《电了商务推荐系统的理论与应用研究／中青年经济学家文库》编著者崔春生。

本书在借鉴国内外众多研究成果的基础上，从推荐系统的输入、推荐算法、输出三个层面，借助Vague集方法，研究了上述技术难点。以期在理论上拓展推荐系统的研究成果，在应用上为Vague集理论的应用找到丰富的背景。

第一章 绪论 

 一、研究背景和意义 

 二、研究思路及方法 

 三、本书的主要内容 

第二章 推荐系统研究现状及相关基础理论 

 一、推荐系统研究现状 

 二、Vague集基本理论 

 三、推荐系统国内外研究趋势 

 四、本章小结 

第三章 基于Vague集的产品描述及排序 

 一、推荐系统描述 

 二、电子商务推荐系统与Vague集的对接

 三、基于Vague值的非个性化产品推荐 

 四、非个性化产品相似性的度量 

 五、关于Vague相似性的进一步思考 

 六、本章小结 

第四章 推荐系统输入研究 

 一、推荐系统输入存在的问题 

 二、基于显式评分输入的用户聚类分析 

 三、基于隐式浏览输入的用户聚类分析 

 四、本章小节 

第五章 基于Vague集的内容推荐算法研究 

 一、基于内容的推荐算法 

 二、基于内容推荐算法的Vague求解 

 三、案例应用 

 四、本章小节 

第六章 基于泛函网络的组合推荐算法研究 

 一、泛函网络 

 二、推荐系统组合推荐算法 

 三、基于泛函网络的推荐算法结构模型 

 四、基于泛函网络的推荐系统学习过程研究 

 五、本章小节 

第七章 推荐系统输出结果分析 

 一、Top一Ⅳ技术发展 

 二、基于集团序方法的推荐输出 

 三、案例计算 

 四、本章小结 

第八章 结论与展望 

 一、结论

 二、展望 

附录 

参考文献 

 表索引

表2—1 隐式反馈行为分类表 

表2—2 主要推荐技术 

表3—1 用户／产品评分矩阵表 

表3—2 推荐与喜欢关系表 

表3—3 推荐与接受关系表 

表3—4 浏览过程及其推断表 

表3—5 产品基本数据 

表3—6 产品统计数据 

表3—7 记分函数计算结果 

表3—8 相似度计算结果 

表4一l 用户／产品聚类组合表 

表4—2 用户社区密度表 

表4—3 各种社区结构的紧致与分离性效果函数 

表5—1 主要推荐技术优缺点 

表5—2用户评分表 

表5—3 用户情况表 

表5—4 用户2及用户5部分预测值 

表5—5 用户35及用户40部分预测值 

表5—6 MAE值 

表6—1 训练集用户评分预测值 

表7—1 用户804和用户901的预测值 

表7—2 用户804和用户90l的推荐度

表7—3 Ⅳ=10时推荐结果 

表7—4 用户804推荐结果质量评价 

表7—5 用户901推荐结果质量评价 

图索引

图l—l 中国网民规模 

图1—2 本书研究思路 

图1—3 内容结构图 

图2一l Vague集示意图 

图4—1 产品分类图 

图5一l 基于内容推荐系统描述 

图5—2 基于Vague集内容推荐算法步骤描述

图5—3 不同□值条件下MAE对比图 

图6—1 人工神经网络结构图 

图6—2 泛函网络结构图 

图6—3 泛函网络学习过程图 

图6—4 基于内容推荐算法结构图 

图6—5 基于内容推荐算法泛函网络图 

图6—6 协同过滤推荐算法结构图 

图6—7 协同过滤推荐算法泛函网络图 

图6—8 前融合推荐算法结构图 

图6—9 前融合推荐算法泛函网络图 

图6一10 程序主界面 

图6一11 用户901推荐结果 

图7一l 集团排序流程 

图8一l “灰羊”问题