电子商务推荐系统与智能谈判技术

1 (p1): 第1章 绪论
1 (p2): 1.1 电子商务系统概述
1 (p3): 1.1.1 电子商务的概念
2 (p4): 1.1.2 电子商务系统的特征
3 (p5): 1.1.3 电子商务的模式
4 (p6): 1.1.4 电子商务的基础技术
5 (p7): 1.1.5 电子商务存在的问题
7 (p8): 1.2 智能Agent与电子商务
7 (p9): 1.2.1 Agent的概念
8 (p10): 1.2.2 多Agent系统
9 (p11): 1.2.3 基于Agent在电子商务中的优越性
10 (p12): 1.3 消费者行为模型
15 (p13): 1.4 智能电子商务系统
15 (p14): 1.4.1 购物行为的决策支持
17 (p15): 1.4.2 对智能的探讨
19 (p16): 1.5 电子商务推荐系统
19 (p17): 1.5.1 推荐系统简介
20 (p18): 1.5.2 推荐系统与个性化服务
20 (p19): 1.5.3 推荐系统的研究内容
21 (p20): 1.5.4 推荐系统的分类
23 (p21): 1.5.5 推荐系统实例简介
24 (p22): 1.6 智能谈判系统
24 (p23): 1.6.1 智能谈判系统发展过程
26 (p24): 1.6.2 智能谈判系统的主要研究内容
27 (p25): 1.6.3 智能谈判系统实例简介
29 (p26): 本章小结
30 (p27): 第2章 电子商务推荐系统相关技术
30 (p28): 2.1 信息检索和信息过滤
30 (p29): 2.1.1 信息检索
32 (p30): 2.1.2 信息过滤
34 (p31): 2.2 数据挖掘技术
34 (p32): 2.2.1 数据挖掘过程和功能
35 (p33): 2.2.2 数据挖掘知识分类和数据挖掘方法
38 (p34): 2.2.3 数据挖掘与推荐系统
39 (p35): 2.3 电子商务推荐算法
39 (p36): 2.3.1 电子商务推荐算法概述
40 (p37): 2.3.2 基于关联规则的推荐算法
43 (p38): 2.3.3 基于内容的推荐算法
44 (p39): 2.3.4 协同过滤推荐算法
51 (p40): 2.3.5 其他推荐算法简介
54 (p41): 2.3.6 电子商务推荐算法面临的挑战
56 (p42): 第3章 Web挖掘技术的智能商务推荐
56 (p43): 3.1 引言
57 (p44): 3.2 Web挖掘相关的技术背景
57 (p45): 3.2.1 Web使用挖掘
58 (p46): 3.2.2 关联规则挖掘和商品分类
60 (p47): 3.2.3 朴素Bayesian分类
61 (p48): 3.3 推荐过程
62 (p49): 3.3.1 目标顾客选择
65 (p50): 3.3.2 顾客偏好分析
69 (p51): 3.3.3 商品关联分析
72 (p52): 3.3.4 产生推荐结果
74 (p53): 3.4 推荐系统的实现模型
76 (p54): 本章小结
77 (p55): 第4章 专家知识决策和协同过滤的推荐系统
77 (p56): 4.1 引言
78 (p57): 4.2 Agent技术
78 (p58): 4.2.1 智能Agent概述
79 (p59): 4.2.2 Agent的抽象结构
80 (p60): 4.3 智能推荐系统的分析
80 (p61): 4.3.1 问题的提出
81 (p62): 4.3.2 解决方案
83 (p63): 4.4 基于多Agent的推荐系统
83 (p64): 4.4.1 系统结构
84 (p65): 4.4.2 界面Agent
85 (p66): 4.4.3 采购Agent
86 (p67): 4.4.4 专家Agent
90 (p68): 4.4.5 评价Agent
94 (p69): 4.4.6 协同Agent
95 (p70): 4.5 商品本体
98 (p71): 4.6 系统集成及Web应用
98 (p72): 4.6.1 Agent集成
99 (p73): 4.6.2 Web应用设计
100 (p74): 4.7 基于Agent的推荐系统评价
101 (p75): 本章小结
102 (p76): 第5章 DAKNNs的电子商务协同过滤推荐算法
102 (p77): 5.1 提出问题
103 (p78): 5.2 K最近邻搜索（KNNs）算法简介
106 (p79): 5.3 DAKNNs算法
106 (p80): 5.3.1 算法思路
107 (p81): 5.3.2 r的确定
112 (p82): 5.3.3 算法
113 (p83):…