基于大数据的广告推荐方法研究及应用
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 第2章 大数据相关技术 | 第13-21页 |
| 2.1 大数据下的典型技术 | 第13-15页 |
| 2.2 大数据挖掘的意义 | 第15-16页 |
| 2.3 大数据挖掘的来源 | 第16-19页 |
| 2.4 大数据下的数据挖掘的分类 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 推荐系统相关技术 | 第21-29页 |
| 3.1 推荐系统概述 | 第21-22页 |
| 3.1.1 推荐系统定义 | 第21页 |
| 3.1.2 推荐系统架构 | 第21-22页 |
| 3.2 常用推荐算法 | 第22-27页 |
| 3.2.1 基于用户的协同过滤算法 | 第22-24页 |
| 3.2.2 基于物品的协同过滤算法 | 第24-26页 |
| 3.2.3 其他推荐算法 | 第26-27页 |
| 3.3 推荐系统评价标准 | 第27-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第4章 协同推荐算法改进 | 第29-35页 |
| 4.1 基于物品的协同过滤改进算法 | 第29-31页 |
| 4.1.1 用户行为分析 | 第29-30页 |
| 4.1.2 算法改进思想和流程 | 第30-31页 |
| 4.2 实验分析 | 第31-34页 |
| 4.2.1 实验环境与方案 | 第31-32页 |
| 4.2.2 数据集 | 第32页 |
| 4.2.3 度量标准 | 第32页 |
| 4.2.4 实验设计 | 第32-33页 |
| 4.2.5 实验结果与分析 | 第33-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 花篮子平台下推荐系统研究 | 第35-49页 |
| 5.1 花篮子平台综述 | 第35-36页 |
| 5.1.1 花篮子平台的特点 | 第35页 |
| 5.1.2 花篮子平台下推荐算法的框架流程 | 第35-36页 |
| 5.2 花篮子系统设计与实现 | 第36-48页 |
| 5.2.1 需求分析 | 第36-37页 |
| 5.2.2 系统架构 | 第37-38页 |
| 5.2.3 系统功能结构 | 第38-42页 |
| 5.2.4 系统主要流程设计 | 第42-44页 |
| 5.2.5 数据库设计 | 第44-45页 |
| 5.2.6 系统实现 | 第45-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 工作总结 | 第49页 |
| 6.2 不足与展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第54-55页 |
| 致谢 | 第55页 |
