編輯推薦:

內(nèi)容簡介:

《電子商務(wù)環(huán)境下顧客購物偏好推薦及企業(yè)利潤挖掘》研究所提出的個性化推薦系統(tǒng)包含5個階段：（1）顧客顯性偏好與隱性偏好的識別與集成。（2）顧客相似性度量與相似顧客聚類（3）顧客未知購物偏好的神經(jīng)網(wǎng)絡(luò)預測。（4）待推薦產(chǎn)品利潤關(guān)聯(lián)分析，確定推薦組合（5）推薦實施。

作者簡介:

目錄:

目錄

第1章電子商務(wù)環(huán)境下顧客購物偏好挖掘

1.1電子商務(wù)及其發(fā)展

1.1.1電子商務(wù)的概念

1.1.2電子商務(wù)發(fā)展歷程

1.1.3國內(nèi)外電子商務(wù)發(fā)展現(xiàn)狀

1.1.4我國電子商務(wù)發(fā)展面臨的問題

1.2電子商務(wù)與顧客購物偏好識別

1.2.1顧客購物偏好識別的應用

1.2.2顧客購物偏好識別的數(shù)據(jù)源

1.2.3電子商務(wù)數(shù)據(jù)挖掘過程

1.3本書主要工作

1.3.1研究意義

1.3.2主要內(nèi)容

1.3.3基本思路與研究方法

1.4本書的組織結(jié)構(gòu)


第2章電子商務(wù)推薦系統(tǒng)

2.1電子商務(wù)與推薦系統(tǒng)

2.2電子商務(wù)推薦系統(tǒng)的概念

2.2.1電子商務(wù)推薦系統(tǒng)及構(gòu)成

2.2.2電子商務(wù)個性化推薦系統(tǒng)的作用

2.2.3電子商務(wù)個性化推薦系統(tǒng)的研究內(nèi)容

2.2.4推薦典型案例

2.3電子商務(wù)推薦現(xiàn)階段問題


第3章電子商務(wù)推薦系統(tǒng)研究現(xiàn)狀

3.1國內(nèi)外研究現(xiàn)狀

3.1.1基礎(chǔ)評價數(shù)據(jù)的完整性研究現(xiàn)狀

3.1.2推薦方法研究現(xiàn)狀

3.1.3計算復雜度研究現(xiàn)狀

3.2基于內(nèi)容的推薦

3.2.1基于內(nèi)容推薦的基本思想

3.2.2基于內(nèi)容推薦過程

3.3協(xié)同過濾推薦

3.3.1協(xié)同過濾技術(shù)分類

3.3.2基于用戶的協(xié)同過濾

3.3.3基于項目的協(xié)同過濾

3.3.4協(xié)同過濾推薦技術(shù)的優(yōu)缺點

3.4混合推薦

3.5基于關(guān)聯(lián)規(guī)則的推薦

3.6Web數(shù)據(jù)挖掘與電子商務(wù)推薦

3.6.1隱性數(shù)據(jù)挖掘

3.6.2隱性評價數(shù)據(jù)的處理

3.7其他推薦方法

3.8推薦相關(guān)技術(shù)評析


第4章基于Vague集理論的產(chǎn)品分類樹

4.1Vague集相關(guān)理論介紹

4.1.1Vague集相關(guān)理論的產(chǎn)生背景

4.1.2Vague集理論的基本思想

4.1.3Vague集理論與電子商務(wù)推薦

4.2產(chǎn)品特征的提取與表示

4.2.1產(chǎn)品特征的提取

4.2.2項目特征的Vague值表示

4.3相似產(chǎn)品聚類

4.3.1常用聚類算法比較

4.3.2聚類原理與過程

4.4生成產(chǎn)品分類樹

4.4.1用戶興趣與種子類

4.4.2產(chǎn)品分類樹的生成

4.4.3種子類的預設(shè)

4.5項目分類結(jié)構(gòu)圖


第5章神經(jīng)網(wǎng)絡(luò)聚類與預測補值處理

5.1神經(jīng)網(wǎng)絡(luò)的基本原理

5.1.1神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史

5.1.2神經(jīng)網(wǎng)絡(luò)的特征

5.1.3神經(jīng)網(wǎng)絡(luò)基本內(nèi)容

5.1.4發(fā)展趨勢與應用

5.2SOM與RBF的聚類與預測

5.3SOM神經(jīng)網(wǎng)絡(luò)的相似用戶聚類

5.4利用SOM對評價矩陣進行預聚類

5.4.1SOM聚類過程

5.4.2MATLAB實現(xiàn)

5.5RBF神經(jīng)網(wǎng)絡(luò)預測補值

5.5.1RBF神經(jīng)網(wǎng)絡(luò)

5.5.2網(wǎng)絡(luò)的訓練與設(shè)計

5.6RBF神經(jīng)網(wǎng)絡(luò)預測補值處理

5.6.1RBF神經(jīng)網(wǎng)絡(luò)預測補值過程

5.6.2MATLAB實驗及分析


第6章協(xié)同過濾聚類及推薦的實施

6.1相似用戶的聚類

6.2推薦的實施

6.2.1本書推薦實施的流程

6.2.2鑒定最積極與最消極鄰居

6.2.3關(guān)聯(lián)規(guī)則挖掘

6.2.4推薦結(jié)果集的生成


第7章推薦質(zhì)量實驗分析及評價

7.1實驗度量指標

7.1.1召回率與精度

7.1.2F相關(guān)檢測、MAE平均絕對誤差

7.1.3實驗方案

7.2實驗過程

7.2.1實驗基本內(nèi)容

7.2.2MAE平均絕對誤差分析

7.2.3計算復雜度分析


第8章基于信任關(guān)系改進的協(xié)同過濾推薦

8.1基于信任關(guān)系的協(xié)同過濾推薦框架

8.2推薦步驟

8.2.1確定目標用戶信任用戶集合

8.2.2信任用戶的評分處理

8.2.3進行評分估算

8.3算例測試

8.4評價

8.4.1實驗設(shè)置

8.4.2評估指標

8.4.3結(jié)果與分析

8.5方法優(yōu)勢

8.6帕累托主導


第9章多樣性選擇改進協(xié)同過濾推薦算法

9.1推薦框架

9.2模糊協(xié)同過濾

9.3多樣性選擇算法

9.4模糊的基于內(nèi)容的過濾(模糊CBF)

9.5混合方法(模糊CFCBF)

9.6實驗評價

9.6.1實驗設(shè)計

9.6.2實驗結(jié)果

9.7結(jié)論


第10章推薦結(jié)果與企業(yè)利潤關(guān)聯(lián)分析

10.1問題定義

10.2面向企業(yè)利潤的多目標產(chǎn)品組合

10.3實驗測試

10.3.1數(shù)據(jù)預處理

10.3.2實驗分析


第11章結(jié)論與展望

11.1本書主要內(nèi)容

11.2本書的創(chuàng)新點

11.3展望


參考文獻


后記