基于情境的商品個(gè)性化推薦方法研究

第1章 緒論
1．1 研究背景與意義
1．1．1 研究背景
1．1．2 研究意義
1．2 本書(shū)研究?jī)?nèi)容與思路
1．2．1 主要研究?jī)?nèi)容
1．2．2 研究思路
1．3 本書(shū)篇章結(jié)構(gòu)
第2章 國(guó)內(nèi)外研究綜述
2．1 個(gè)性化推薦模式的分類
2．1．1 傳統(tǒng)個(gè)性化推薦模式
2．1．2 基于情境的個(gè)性化推薦模式
2．1．3 基于情境的推薦模式
2．1．4 個(gè)性化推薦的實(shí)現(xiàn)過(guò)程
2．2 個(gè)性化推薦知識(shí)建模
2．2．1 傳統(tǒng)個(gè)性化推薦知識(shí)模型
2．2．2 基于情境的個(gè)性化推薦知識(shí)模型
2．3 基于情境的用戶偏好挖掘研究
2．4 個(gè)性化推薦技術(shù)及分類
2．4．1 基于內(nèi)容過(guò)濾的推薦
2．4．2 協(xié)同過(guò)濾推薦
2．4．3 基于知識(shí)的推薦
2．4．4 各種推薦技術(shù)的比較
2．4．5 基于情境的個(gè)性化推薦技術(shù)
2．5 國(guó)內(nèi)外相關(guān)研究小結(jié)
2．6 本章小結(jié)
第3章 基于情境的個(gè)性化推薦知識(shí)建模
3．1 問(wèn)題分析及描述
3．2 個(gè)性化推薦服務(wù)的本體建模
3．2．1 推薦知識(shí)模型
3．2．2 情境本體
3．2．3 商品本體
3．2．4 用戶本體
3．3 基于情境的個(gè)性化推薦框架
3．4 本章小結(jié)
第4章 基于情境的用戶偏好分析
4．1 問(wèn)題分析及描述
4．2 情境化的用戶偏好提取
4．2．1 情境化的用戶偏好模型
4．2．2 基于貝葉斯網(wǎng)絡(luò)的情境化用戶偏好分析
4．2．3 實(shí)驗(yàn)分析
4．3 基于情境重要度的用戶偏好分析
4．3．1 信息熵理論
4．3．2 情境信息熵的計(jì)算
4．3．3 基于情境重要度的用戶偏好計(jì)算
4．3．4 實(shí)驗(yàn)分析
4．4 本章小結(jié)
第5章 基于情境的商品個(gè)性化混合推薦方法研究
5．1 問(wèn)題分析及描述
5．1．1 數(shù)據(jù)稀疏問(wèn)題下的近鄰選擇問(wèn)題
5．1．2 情境在協(xié)同過(guò)濾推薦中的融人問(wèn)題
5．2 混合推薦基本框架及流程
5．3 基于情境化偏好的協(xié)同過(guò)濾推薦
5．3．1 缺失值預(yù)測(cè)處理
5．3．2 情境化的用戶偏好相似性
5．3．3 推薦生成
5．3．4 改進(jìn)的協(xié)同過(guò)濾推薦流程
5．3．5 實(shí)驗(yàn)分析
5．4 集成知識(shí)過(guò)濾的混合推薦
5．4．1 知識(shí)過(guò)濾中的語(yǔ)義規(guī)則
5．4．2 基于情境的推理優(yōu)化
5．5 實(shí)驗(yàn)與結(jié)果分析
5．5．1 基于知識(shí)推薦的有效性分析
5．5．2 推理優(yōu)化的有效性評(píng)估
5．5．3 混合推薦方法的有效性評(píng)估
5．6 本章小結(jié)
第6章 應(yīng)用研究
6．1 系統(tǒng)設(shè)計(jì)
6．1．1 系統(tǒng)基本框架設(shè)計(jì)
6．1．2 相關(guān)數(shù)據(jù)信息
6．2 個(gè)性化推薦流程
6．3 案例分析
6．4 本章小結(jié)
第7章 結(jié)論與展望
7．1 結(jié)論
7．2 創(chuàng)新點(diǎn)
7．3 展望
參考文獻(xiàn)