| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 课题来源与研究背景 | 第10-11页 |
| 1.2 论文的研究目的与意义 | 第11-12页 |
| 1.3 论文的主要工作与论文结构 | 第12-13页 |
| 第二章 相关研究综述 | 第13-27页 |
| 2.1 推荐系统的方法 | 第13-18页 |
| 2.1.1 基于协同过滤的推荐(Collaborative Filtering) | 第15-16页 |
| 2.1.2 基于内容的推荐(Content-Based Filtering) | 第16-17页 |
| 2.1.3 基于协同与内容混合的推荐(Hybrid Filtering) | 第17页 |
| 2.1.4 推荐系统动态特性的研究现状 | 第17-18页 |
| 2.2 流处理技术 | 第18-23页 |
| 2.3 流数据挖掘 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 动态广告推荐 | 第27-36页 |
| 3.1 计算广告 | 第27-29页 |
| 3.2 与推荐系统的关系 | 第29页 |
| 3.3 点击率预估 | 第29-32页 |
| 3.4 基于分类的广告推荐 | 第32-33页 |
| 3.5 动态广告推荐 | 第33-34页 |
| 3.6 效率的改进 | 第34-35页 |
| 3.7 本章小结 | 第35-36页 |
| 第四章 系统设计与实现 | 第36-53页 |
| 4.1 系统总体模型 | 第36-38页 |
| 4.1.1 核心分类模块 | 第37-38页 |
| 4.2 流处理工具 | 第38-41页 |
| 4.2.1 StreamBase | 第39-41页 |
| 4.3 流分类挖掘 | 第41-45页 |
| 4.3.1 传统决策树方法 | 第41-42页 |
| 4.3.2 VFDT | 第42-45页 |
| 4.4 系统实现 | 第45-52页 |
| 4.4.1 核心分类模块实现 | 第45-50页 |
| 4.4.2 VFDT实现 | 第50-51页 |
| 4.4.3 评估实现 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 实验及结果分析 | 第53-60页 |
| 5.1 实验数据 | 第53-54页 |
| 5.2 评价指标 | 第54-56页 |
| 5.3 结果分析 | 第56-59页 |
| 5.4 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
