第一章 電子商務(wù)系統(tǒng)概述
第一節(jié) 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(duì)社會(huì)經(jīng)濟(jì)會(huì)產(chǎn)生哪些影響
五、電子商務(wù)在國內(nèi)外的發(fā)展情況
第二節(jié) 相關(guān)學(xué)科對(duì)電子商務(wù)的影響
一、計(jì)算機(jī)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(jié) 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(tái)
三、電子商務(wù)的軟件工作平臺(tái)
第四節(jié) 電子商務(wù)與推薦系統(tǒng)
第五節(jié) 電子商務(wù)推薦現(xiàn)階段問題
第六節(jié) 本書的主要工作
一、本書的研究意義
二、本書的主要內(nèi)容
三、本書的基本思路與研究方法
第七節(jié) 本書的組織結(jié)構(gòu)
第二章 電子商務(wù)推薦及其相關(guān)技術(shù)評(píng)析
第一節(jié) 電子商務(wù)推薦系統(tǒng)
一、電子商務(wù)推薦系統(tǒng)及構(gòu)成
二、電子商務(wù)個(gè)性化推薦系統(tǒng)的作用
三、電子商務(wù)個(gè)性化推薦系統(tǒng)的研究內(nèi)容
四、推薦典型案例
第二節(jié) 國內(nèi)外研究現(xiàn)狀
一、基礎(chǔ)評(píng)價(jià)數(shù)據(jù)的完整性研究現(xiàn)狀
二、推薦方法研究現(xiàn)狀
三、計(jì)算復(fù)雜度研究現(xiàn)狀
第三節(jié) 基于內(nèi)容的推薦
一、基于內(nèi)容推薦基本思想
二、基于內(nèi)容推薦過程
第四節(jié) 協(xié)同過濾推薦
一、協(xié)同過濾技術(shù)分類
二、基于用戶的協(xié)同過濾
三、基于項(xiàng)目的協(xié)同過濾
四、協(xié)同過濾推薦技術(shù)的優(yōu)缺點(diǎn)
第五節(jié) 混合推薦
第六節(jié) 基于關(guān)聯(lián)規(guī)則的推薦
第七節(jié) web數(shù)據(jù)挖掘與電子商務(wù)推薦
一、隱性數(shù)據(jù)挖掘
二、隱性評(píng)價(jià)數(shù)據(jù)的處理
第八節(jié) 其他推薦方法
第九節(jié) 推薦相關(guān)技術(shù)評(píng)析
第三章 基于Vaglle集理論的產(chǎn)品分類樹
第一節(jié) 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(jié) 產(chǎn)品特征的提取與表示
一、產(chǎn)品特征的提取
二、項(xiàng)目特征的Vague值表示
第三節(jié) 相似產(chǎn)品聚類
一、常用聚類算法比較
二、聚類原理與過程
第四節(jié) 生成產(chǎn)品分類樹
一、客戶興趣與種子類
二、產(chǎn)品分類樹的生成
三、種子類的預(yù)設(shè)
第五節(jié) 項(xiàng)目分類結(jié)構(gòu)圖
第四章 神經(jīng)網(wǎng)絡(luò)聚類與預(yù)測(cè)補(bǔ)值處理
第一節(jié) 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(nèi)容
四、發(fā)展趨勢(shì)與應(yīng)用
第二節(jié) SOM與RBF的聚類與預(yù)測(cè)
第三節(jié) SOM神經(jīng)網(wǎng)絡(luò)的相似用戶聚類：SOM聚類算法
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?fù)浣Y(jié)構(gòu)
三、SOM權(quán)值的調(diào)整域
四、SOM網(wǎng)絡(luò)運(yùn)行原理
五、SOM學(xué)習(xí)方法
第四節(jié) 利用SOM對(duì)評(píng)價(jià)矩陣進(jìn)行預(yù)聚類
一、SOM聚類過程
二、Matlab實(shí)現(xiàn)
第五節(jié) RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)補(bǔ)值
一、RBF神經(jīng)網(wǎng)絡(luò)
二、網(wǎng)絡(luò)的訓(xùn)練與設(shè)計(jì)
第六節(jié) RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)補(bǔ)值處理
一、RBF神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)補(bǔ)值過程
二、Matlab實(shí)驗(yàn)及分析
第五章 協(xié)同過濾聚類及推薦的實(shí)施
第一節(jié) 相似用戶的聚類：利用K一均值聚類算法對(duì)種子類內(nèi)相似用戶聚類
第二節(jié) 推薦的實(shí)施
一、本書推薦實(shí)施的流程
二、鑒定最積極與最消極鄰居
三、關(guān)聯(lián)規(guī)則挖掘
四、推薦結(jié)果集的生成
第六章 推薦質(zhì)量實(shí)驗(yàn)分析及評(píng)價(jià)
第一節(jié) 實(shí)驗(yàn)度量指標(biāo)
一、召回率與精度
二、F一相關(guān)檢測(cè)、MAE一平均絕對(duì)誤差
三、實(shí)驗(yàn)方案
第二節(jié) 實(shí)驗(yàn)過程
一、實(shí)驗(yàn)基本內(nèi)容
二、MAE一平均絕對(duì)誤差分析
三、計(jì)算復(fù)雜度分析
第七章 結(jié)論與展望
第一節(jié) 本書主要內(nèi)容
一、研究網(wǎng)絡(luò)環(huán)境下顧客購物偏好的表示與識(shí)別
二、構(gòu)造協(xié)同過濾推薦與關(guān)聯(lián)規(guī)則相結(jié)合的混合推薦模型
三、針對(duì)因數(shù)據(jù)計(jì)算復(fù)雜所引起的推薦實(shí)時(shí)性差問題提出改進(jìn)機(jī)制
第二節(jié) 本書創(chuàng)新點(diǎn)
第三節(jié) 展望
參考文獻(xiàn)
后記