OTA个性化增值业务推广方式的研究和实现
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·课题背景 | 第9-11页 |
| ·OTA简介 | 第9页 |
| ·增值业务发展现状 | 第9-10页 |
| ·增值业务发展的机遇与前景 | 第10-11页 |
| ·研究目的和意义 | 第11-13页 |
| ·理论意义 | 第12页 |
| ·应用前景 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 相关技术简介 | 第14-23页 |
| ·OTA技术 | 第14-16页 |
| ·数据挖掘技术 | 第16-19页 |
| ·数据挖掘的步骤和过程 | 第17-18页 |
| ·数据挖掘的任务 | 第18页 |
| ·数据挖掘的算法 | 第18-19页 |
| ·个性化算法 | 第19-23页 |
| ·贝叶斯网络 | 第20页 |
| ·关联规则 | 第20-21页 |
| ·聚类 | 第21页 |
| ·协同过滤 | 第21-23页 |
| 第三章 OTA个性化推荐系统的设计 | 第23-28页 |
| ·用户特征分析 | 第23-25页 |
| ·OTA个性化推荐系统的输入 | 第25-26页 |
| ·个性化推荐系统的输出 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 相关算法及系统模型实现 | 第28-45页 |
| ·用户兴趣模型的信息收集 | 第28-32页 |
| ·基于OTA WEB日志的服务器端的隐式信息采集 | 第29-31页 |
| ·用户兴趣需求的获取方法 | 第31-32页 |
| ·用户兴趣模型的建立 | 第32-38页 |
| ·用户兴趣模型的表示 | 第32-36页 |
| ·长期兴趣与短期兴趣 | 第36-38页 |
| ·用户兴趣模型的更新 | 第38-39页 |
| ·矢量空间模型 | 第38-39页 |
| ·概率模型 | 第39页 |
| ·基于内容过滤的搜索算法 | 第39-41页 |
| ·相似性计算方法 | 第39-40页 |
| ·个性化搜索算法 | 第40-41页 |
| ·用户反馈评价的算法 | 第41-43页 |
| ·基于用户模糊聚类的推荐算法 | 第43-45页 |
| 第五章 推荐过程及实验数据 | 第45-50页 |
| ·个性化推荐过程 | 第45-48页 |
| ·推荐过程演示 | 第45-48页 |
| ·实验数据及结果分析 | 第48-50页 |
| ·实验评价标准 | 第48页 |
| ·实验结果分析 | 第48-50页 |
| 第六章 研究工作总结与展望 | 第50-51页 |
| ·研究工作总结 | 第50页 |
| ·未来的研究内容展望 | 第50-51页 |
| 参考文献 | 第51-52页 |
| 附录:缩略语 | 第52-53页 |
| 致谢 | 第53页 |
