基于客户偏好的知识获取及适时推送机制研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-15页 |
| 1.3.1 国内的研究现状 | 第12-13页 |
| 1.3.2 国外的研究现状 | 第13-14页 |
| 1.3.3 文献总结 | 第14-15页 |
| 1.4 研究内容 | 第15-16页 |
| 第2章 基本理论概述 | 第16-30页 |
| 2.1 聚类分析基础理论 | 第16-20页 |
| 2.2 知识表示及存储基础理论 | 第20-27页 |
| 2.2.1 知识概述 | 第20-22页 |
| 2.2.2 知识表示 | 第22-25页 |
| 2.2.3 知识存储 | 第25-27页 |
| 2.3 推送理论 | 第27-28页 |
| 2.3.1 推送的定义 | 第27页 |
| 2.3.2 推送的主要技术 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 客户偏好知识的模型研究 | 第30-71页 |
| 3.1 客户偏好知识的模型框架 | 第30-31页 |
| 3.2 客户偏好的数据结构 | 第31-36页 |
| 3.2.1 客户行为的数据表述 | 第31-36页 |
| 3.2.2 客户偏好知识的数据结构 | 第36页 |
| 3.3 客户偏好知识的数据采集方法 | 第36-42页 |
| 3.3.1 行为周期偏好采集 | 第36-37页 |
| 3.3.2 大类、小类价格区间偏好采集 | 第37-39页 |
| 3.3.3 客户类别采集 | 第39-42页 |
| 3.4 数据采集实例 | 第42-60页 |
| 3.4.1 数据选取及预处理 | 第42-44页 |
| 3.4.2 客户类别部分的实例 | 第44-49页 |
| 3.4.3 客户行为部分的实例 | 第49-60页 |
| 3.5 客户偏好知识的存储 | 第60-70页 |
| 3.5.1 基于本体的客户偏好知识的描述方法 | 第61-63页 |
| 3.5.2 基于本体的客户偏好知识的建模 | 第63-66页 |
| 3.5.3 本体的存取 | 第66-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第4章 适时推送机制的研究 | 第71-87页 |
| 4.1 推送机制研究 | 第71-78页 |
| 4.1.1 推送机制的技术选择 | 第71-72页 |
| 4.1.2 推送机制的框架设计 | 第72-74页 |
| 4.1.3 推送机制的适时性 | 第74-78页 |
| 4.2 精确性推送模块 | 第78-80页 |
| 4.2.1 精确性推送模块框架及流程设计 | 第78-79页 |
| 4.2.2 精确性推送的应用 | 第79-80页 |
| 4.3 随机性推送模块 | 第80-86页 |
| 4.3.1 随机性推送模块算法设计 | 第80-83页 |
| 4.3.2 随机性推送模块框架及流程设计 | 第83-84页 |
| 4.3.3 随机性推送的应用 | 第84-86页 |
| 4.4 本章小结 | 第86-87页 |
| 第5章 结论及展望 | 第87-89页 |
| 5.1 研究结论 | 第87-88页 |
| 5.2 研究展望 | 第88-89页 |
| 参考文献 | 第89-93页 |
| 致谢 | 第93页 |
