電子商務(wù)推薦相關(guān)技術(shù)分析及其改進(jìn)機制簡(jiǎn)介，目錄書(shū)摘

內容簡(jiǎn)介:　　《電子商務(wù)推薦相關(guān)技術(shù)分析及其改進(jìn)機制》從電子商務(wù)協(xié)同過(guò)濾推薦質(zhì)量與推薦效率目前遇到的問(wèn)題出發(fā)，從保證基礎評價(jià)數據的完整性、推薦方法的準確性、計算復雜度的適宜性三個(gè)角度去分析電子商務(wù)協(xié)同過(guò)濾推薦系統，指出協(xié)同過(guò)濾推薦系統瓶頸的產(chǎn)生原因，并提出了改進(jìn)機制。

作者簡(jiǎn)介:　　薛福亮，1978年9月生，山東臨沂人，系天津財經(jīng)大學(xué)商學(xué)院電子商務(wù)專(zhuān)業(yè)教師，天津大學(xué)管理學(xué)博士。主要研究方向：電子商務(wù)推薦、數據挖掘。2009年9月-2010年3月赴美國加州大學(xué)富樂(lè )敦分校做高級訪(fǎng)問(wèn)學(xué)者。曾獲天津市優(yōu)秀青年教師、天津市“131人才工程”第三層次人選、“天津財經(jīng)大學(xué)十佳青年教師”等稱(chēng)號。近年來(lái)在核心期刊發(fā)表論文...

目錄:第一章 電子商務(wù)系統概述
第一節 電子商務(wù)的產(chǎn)生和發(fā)展
一、引言
二、電子商務(wù)產(chǎn)生和發(fā)展的條件
三、電子商務(wù)發(fā)展的三個(gè)階段
四、電子商務(wù)對社會(huì )經(jīng)濟會(huì )產(chǎn)生哪些影響
五、電子商務(wù)在國內外的發(fā)展情況
第二節 相關(guān)學(xué)科對電子商務(wù)的影響
一、計算機學(xué)科與電子商務(wù)
二、通信學(xué)科與電子商務(wù)
三、管理學(xué)科與電子商務(wù)
第三節 電子商務(wù)的基本概念
一、電子商務(wù)的定義
二、電子商務(wù)的硬件工作平臺
三、電子商務(wù)的軟件工作平臺
第四節 電子商務(wù)與推薦系統
第五節 電子商務(wù)推薦現階段問(wèn)題
第六節 本書(shū)的主要工作
一、本書(shū)的研究意義
二、本書(shū)的主要內容
三、本書(shū)的基本思路與研究方法
第七節 本書(shū)的組織結構
第二章   電子商務(wù)推薦及其相關(guān)技術(shù)評析
第一節 電子商務(wù)推薦系統
一、電子商務(wù)推薦系統及構成
二、電子商務(wù)個(gè)性化推薦系統的作用
三、電子商務(wù)個(gè)性化推薦系統的研究?jì)热?
四、推薦典型案例
第二節 國內外研究現狀
一、基礎評價(jià)數據的完整性研究現狀
二、推薦方法研究現狀
三、計算復雜度研究現狀
第三節 基于內容的推薦
一、基于內容推薦基本思想
二、基于內容推薦過(guò)程
第四節 協(xié)同過(guò)濾推薦
一、協(xié)同過(guò)濾技術(shù)分類(lèi)
二、基于用戶(hù)的協(xié)同過(guò)濾
三、基于項目的協(xié)同過(guò)濾
四、協(xié)同過(guò)濾推薦技術(shù)的優(yōu)缺點(diǎn)
第五節 混合推薦
第六節 基于關(guān)聯(lián)規則的推薦
第七節 web數據挖掘與電子商務(wù)推薦
一、隱性數據挖掘
二、隱性評價(jià)數據的處理
第八節 其他推薦方法
第九節 推薦相關(guān)技術(shù)評析
第三章 基于Vaglle集理論的產(chǎn)品分類(lèi)樹(shù)
第一節 VagIJe集相關(guān)理論介紹
一、Vague集相關(guān)理論產(chǎn)生背景
二、Vague集理論的基本思想
三、Vague集理論與電子商務(wù)推薦
第二節 產(chǎn)品特征的提取與表示
一、產(chǎn)品特征的提取
二、項目特征的Vague值表示
第三節 相似產(chǎn)品聚類(lèi)
一、常用聚類(lèi)算法比較
二、聚類(lèi)原理與過(guò)程
第四節 生成產(chǎn)品分類(lèi)樹(shù)
一、客戶(hù)興趣與種子類(lèi)
二、產(chǎn)品分類(lèi)樹(shù)的生成
三、種子類(lèi)的預設
第五節 項目分類(lèi)結構圖
第四章 神經(jīng)網(wǎng)絡(luò )聚類(lèi)與預測補值處理
第一節 神經(jīng)網(wǎng)絡(luò )基本原理
一、神經(jīng)網(wǎng)絡(luò )發(fā)展歷史
二、神經(jīng)網(wǎng)絡(luò )特征
三、神經(jīng)網(wǎng)絡(luò )基本內容
四、發(fā)展趨勢與應用
第二節 SOM與RBF的聚類(lèi)與預測
第三節 SOM神經(jīng)網(wǎng)絡(luò )的相似用戶(hù)聚類(lèi)：SOM聚類(lèi)算法
一、自組織神經(jīng)網(wǎng)絡(luò )基本原理
二、自組織映射網(wǎng)絡(luò )的拓撲結構
三、SOM權值的調整域
四、SOM網(wǎng)絡(luò )運行原理
五、SOM學(xué)習方法
第四節 利用SOM對評價(jià)矩陣進(jìn)行預聚類(lèi)
一、SOM聚類(lèi)過(guò)程
二、Matlab實(shí)現
第五節 RBF神經(jīng)網(wǎng)絡(luò )預測補值
一、RBF神經(jīng)網(wǎng)絡(luò )
二、網(wǎng)絡(luò )的訓練與設計
第六節 RBF神經(jīng)網(wǎng)絡(luò )預測補值處理
一、RBF神經(jīng)網(wǎng)絡(luò )預測補值過(guò)程
二、Matlab實(shí)驗及分析
第五章 協(xié)同過(guò)濾聚類(lèi)及推薦的實(shí)施
第一節 相似用戶(hù)的聚類(lèi)：利用K一均值聚類(lèi)算法對種子類(lèi)內相似用戶(hù)聚類(lèi)
第二節 推薦的實(shí)施
一、本書(shū)推薦實(shí)施的流程
二、鑒定最積極與最消極鄰居
三、關(guān)聯(lián)規則挖掘
四、推薦結果集的生成
第六章 推薦質(zhì)量實(shí)驗分析及評價(jià)
第一節 實(shí)驗度量指標
一、召回率與精度
二、F一相關(guān)檢測、MAE一平均絕對誤差
三、實(shí)驗方案
第二節 實(shí)驗過(guò)程
一、實(shí)驗基本內容
二、MAE一平均絕對誤差分析
三、計算復雜度分析
第七章 結論與展望
第一節 本書(shū)主要內容
一、研究網(wǎng)絡(luò )環(huán)境下顧客購物偏好的表示與識別
二、構造協(xié)同過(guò)濾推薦與關(guān)聯(lián)規則相結合的混合推薦模型
三、針對因數據計算復雜所引起的推薦實(shí)時(shí)性差問(wèn)題提出改進(jìn)機制
第二節 本書(shū)創(chuàng )新點(diǎn)
第三節 展望
參考文獻
后記