基于在线购物行为的O2O推荐系统研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.2 研究现状 | 第15-17页 |
| 1.3 研究内容与成果 | 第17-18页 |
| 1.3.1 研究内容与本文工作 | 第17页 |
| 1.3.2 创新之处 | 第17-18页 |
| 1.4 论文框架 | 第18-19页 |
| 第二章 O2O推荐系统相关技术分析 | 第19-30页 |
| 2.1 个性化推荐系统的学术界研究成果 | 第19-24页 |
| 2.1.1 基于内容的推荐 | 第20-21页 |
| 2.1.2 协同过滤推荐 | 第21-24页 |
| 2.1.3 混合推荐方法 | 第24页 |
| 2.2 推荐系统的应用现状 | 第24-25页 |
| 2.3 基于位置与社交网络的推荐LBSN | 第25-26页 |
| 2.4 现有研究总结以及本文的研究思路 | 第26-27页 |
| 2.5 相关理论与技术简介 | 第27-29页 |
| 2.5.1 隐式回馈处理技术 | 第27-28页 |
| 2.5.2 基于智能商圈的上下文感知框架 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 O2O推荐系统关键技术研究 | 第30-46页 |
| 3.1 O2O推荐系统的概念提出 | 第30-31页 |
| 3.1.1 O2O推荐系统的定义 | 第30页 |
| 3.1.2 O2O推荐系统的输入和输出 | 第30-31页 |
| 3.1.3 基于在线购物行为的O2O推荐系统 | 第31页 |
| 3.2 O2O推荐系统的优势分析 | 第31-33页 |
| 3.3 O2O推荐系统的设计 | 第33-45页 |
| 3.3.1 O2O推荐系统的先验假设 | 第33页 |
| 3.3.2 O2O推荐系统面临的挑战 | 第33-34页 |
| 3.3.3 O2O推荐系统的关键设计研究 | 第34-45页 |
| 3.3.3.1 随时间衰减的行为得分模型 | 第35-37页 |
| 3.3.3.2 基于兴趣标签的明语义用户偏好模型 | 第37-40页 |
| 3.3.3.3 用户标签矩阵填充技术 | 第40-41页 |
| 3.3.3.4 基于相似度的线下店铺推荐模型 | 第41-43页 |
| 3.3.3.5 推荐结果多样化处理技术 | 第43-44页 |
| 3.3.3.6 在线与离线计算分离原则 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 O2O推荐系统的实现与验证 | 第46-62页 |
| 4.1 O2O推荐系统模块设计与实现 | 第46-54页 |
| 4.1.1 L2用户偏好分析模块UPAM | 第47-50页 |
| 4.1.1.1 流程设计 | 第47-48页 |
| 4.1.1.2 采用技术 | 第48-50页 |
| 4.1.2 L3店铺特征管理模块SFMM | 第50-51页 |
| 4.1.3 L1推荐模块RM | 第51-53页 |
| 4.1.3.1 流程设计 | 第51-52页 |
| 4.1.3.2 推荐结果多样化处理技术实现 | 第52-53页 |
| 4.1.4 L3用户——物品得分衰减更新模块 | 第53页 |
| 4.1.5 L1/L3兴趣标签词频更新模块 | 第53-54页 |
| 4.2 O2O推荐系统的内部数据管理 | 第54-56页 |
| 4.3 O2O推荐系统的验证 | 第56-61页 |
| 4.3.1 标签提取技术验证 | 第56-58页 |
| 4.3.2 推荐结果验证 | 第58-61页 |
| 4.3.2.1 系统实时性验证 | 第60-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 本文的研究总结 | 第62页 |
| 5.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-68页 |
| 研究生阶段所参与科研项目 | 第68-69页 |
| 攻读硕士学位期间已录用的论文 | 第69页 |
