| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 研究现状 | 第11-13页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 研究挑战 | 第13-14页 |
| 1.5 研究内容 | 第14页 |
| 1.6 本文结构 | 第14-16页 |
| 第二章 推荐算法与数据处理原理 | 第16-27页 |
| 2.1 推荐算法 | 第16-18页 |
| 2.1.1 基于内容的推荐算法 | 第16页 |
| 2.1.2 基于知识的推荐算法 | 第16页 |
| 2.1.3 混合推荐算法 | 第16-17页 |
| 2.1.4 Top-N算法 | 第17-18页 |
| 2.2 协同过滤推荐算法 | 第18-20页 |
| 2.2.1 协同过滤基本概念 | 第18页 |
| 2.2.2 基于用户的协同过滤 | 第18-20页 |
| 2.2.3 基于物品的协同过滤 | 第20页 |
| 2.2.4 基于模型的协同过滤 | 第20页 |
| 2.3 评估推荐算法 | 第20-22页 |
| 2.3.1 推荐算法分析 | 第20-21页 |
| 2.3.2 推荐算法评估标准 | 第21-22页 |
| 2.4 数据处理与方法选择 | 第22-26页 |
| 2.4.1 数据清洗 | 第22-23页 |
| 2.4.2 数据变换 | 第23页 |
| 2.4.3 指标标准化 | 第23-24页 |
| 2.4.4 指权重确定方法 | 第24-26页 |
| 2.5 小结 | 第26-27页 |
| 第三章 个险业务特点与模型设计 | 第27-32页 |
| 3.1 个险业务特点 | 第27-28页 |
| 3.2 个险业务数据特点 | 第28-29页 |
| 3.3 模型设计 | 第29-31页 |
| 3.3.1 模型分析 | 第29页 |
| 3.3.2 模型实现过程 | 第29-31页 |
| 3.4 小结 | 第31-32页 |
| 第四章 个险业务协同过滤推荐模型 | 第32-39页 |
| 4.1 用户指标筛选 | 第32页 |
| 4.2 指标权重的确定 | 第32-33页 |
| 4.3 理想点方法的选择 | 第33-35页 |
| 4.3.1 理想点基本原理 | 第33页 |
| 4.3.2 贴近度 | 第33-34页 |
| 4.3.3 理想点计算方式的选择 | 第34-35页 |
| 4.4 引入用户相似度的协同过滤算法 | 第35-37页 |
| 4.4.1 用户相似度定义及描述 | 第35页 |
| 4.4.2 用户属性相似度及计算 | 第35-37页 |
| 4.4.3 算法复杂度分析 | 第37页 |
| 4.5 本章小结 | 第37-39页 |
| 第五章 实验与结果分析 | 第39-52页 |
| 5.1 实验环境和实验过程 | 第39-40页 |
| 5.2 数据准备 | 第40-41页 |
| 5.3 理想点计算方式与属性权重算法选择 | 第41-46页 |
| 5.4 改进的协同过滤算法与传统协同过滤算法对比分析 | 第46-50页 |
| 5.5 本章小结 | 第50-52页 |
| 第六章 总结与展望 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表的学术论文目录 | 第58页 |