摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第12-18页 |
1.1 背景 | 第12-13页 |
1.2 用户属性挖掘 | 第13-14页 |
1.3 相关工作 | 第14-16页 |
1.4 本文工作 | 第16页 |
1.5 章节安排 | 第16-17页 |
1.6 本章小结 | 第17-18页 |
第2章 预备知识 | 第18-30页 |
2.1 词袋模型 | 第18-19页 |
2.2 信息增益 | 第19-20页 |
2.3 布尔矩阵分解 | 第20-21页 |
2.4 隐含狄利克雷分布 | 第21-23页 |
2.5 词向量模型 | 第23-24页 |
2.6 SVM | 第24页 |
2.7 SoftMax | 第24-25页 |
2.8 梯度提升树 | 第25-26页 |
2.9 深度神经网络 | 第26-27页 |
2.10 卷积神经网络 | 第27-28页 |
2.11 分类器评价指标 | 第28-29页 |
2.12 定义与符号约定 | 第29页 |
2.13 本章小结 | 第29-30页 |
第3章 基于手机APP数据的用户属性挖掘解决方案与框架设计 | 第30-35页 |
3.1 基于手机APP数据的用户属性挖掘解决方案 | 第30-32页 |
3.2 基于APPList的用户属性挖掘框架 | 第32页 |
3.3 基于APPUsage的用户属性挖掘框架 | 第32-34页 |
3.4 本章小结 | 第34-35页 |
第4章 基于APPList的用户属性挖掘 | 第35-55页 |
4.1 APPList数据集介绍 | 第35-36页 |
4.2 用户属性介绍 | 第36-37页 |
4.2.1 用户性别 | 第36页 |
4.2.2 手机购买价格推测用户收入水平高低 | 第36页 |
4.2.3 手机屏幕尺寸推测用户屏幕大小偏好 | 第36-37页 |
4.3 数据预处理 | 第37-39页 |
4.4 用户表征方法 | 第39-50页 |
4.4.1 基于APP进行用户表征 | 第39-40页 |
4.4.2 基于IG发现重要APP | 第40-42页 |
4.4.3 基于APP类别表征用户 | 第42-45页 |
4.4.4 基于BMF挖掘子属性 | 第45-47页 |
4.4.5 基于LDA提取主题 | 第47-50页 |
4.5 用户属性挖掘方法 | 第50-54页 |
4.5.1 SVM | 第50-51页 |
4.5.2 GBDT | 第51-52页 |
4.5.3 DNN | 第52-54页 |
4.6 本章小结 | 第54-55页 |
第5章 基于APPUsage的用户属性挖掘 | 第55-70页 |
5.1 APPUsage数据集介绍 | 第55-56页 |
5.2 用户属性介绍 | 第56-57页 |
5.2.1 用户性别 | 第56页 |
5.2.2 用户年龄段 | 第56页 |
5.2.3 用户收入水平 | 第56页 |
5.2.4 用户所处地域 | 第56-57页 |
5.3 数据预处理 | 第57-60页 |
5.4 用户表征方法 | 第60-65页 |
5.4.1 APP2APP | 第60-61页 |
5.4.2 APP2CAT | 第61页 |
5.4.3 APP2TOPIC | 第61-62页 |
5.4.4 APP2VEC | 第62-65页 |
5.5 用户属性挖掘方法 | 第65-69页 |
5.5.1 SoftMax | 第65-66页 |
5.5.2 GBDT | 第66-67页 |
5.5.3 DNN | 第67-68页 |
5.5.4 CNN | 第68-69页 |
5.6 本章小结 | 第69-70页 |
第6章 基于手机APP数据的用户属性挖掘实验与评估 | 第70-82页 |
6.1 基于APPList的用户属性挖掘实验结果 | 第70-76页 |
6.1.1 参数调优 | 第70-75页 |
6.1.2 测试分类器性能 | 第75-76页 |
6.2 基于APPUsageToList的用户属性挖掘实验结果 | 第76-77页 |
6.3 基于APPUsage的用户属性挖掘实验结果 | 第77-80页 |
6.3.1 参数调优 | 第77-79页 |
6.3.2 测试分类器性能 | 第79-80页 |
6.4 基于手机APP数据的用户属性挖掘能力对比 | 第80-81页 |
6.5 本章小结 | 第81-82页 |
第7章 总结与展望 | 第82-85页 |
7.1 本文总结 | 第82-83页 |
7.2 未来展望 | 第83-85页 |
参考文献 | 第85-89页 |
攻读硕士学位期间的主要研究成果 | 第89-90页 |
致谢 | 第90-91页 |