基于WEB用户行为的个性化推荐核心技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14页 |
| 1.2 研究现状 | 第14-15页 |
| 1.3 主要研究内容 | 第15-16页 |
| 1.3.1 本文解决的问题 | 第16页 |
| 1.3.2 本文主要工作 | 第16页 |
| 1.4 论文的结构安排 | 第16-19页 |
| 第二章 系统相关技术 | 第19-31页 |
| 2.1 系统必要性的研究 | 第19-22页 |
| 2.1.1 用户行为分析的价值和意义 | 第19-20页 |
| 2.1.2 常见的个性化推荐方法分析 | 第20-22页 |
| 2.2 分布式系统与节点通信 | 第22-26页 |
| 2.2.1 分布式系统详解 | 第22-25页 |
| 2.2.2 不同节点间的通信 | 第25-26页 |
| 2.3 多线程与线程并行化 | 第26-30页 |
| 2.3.1 多线程技术详解 | 第26-29页 |
| 2.3.2 线程并行化处理 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 系统的构建原理 | 第31-39页 |
| 3.1 需求分析 | 第31-32页 |
| 3.1.1 系统功能分析 | 第31-32页 |
| 3.1.2 性能需求分析 | 第32页 |
| 3.2 系统构架原理 | 第32-37页 |
| 3.2.1 系统物理架构 | 第32-34页 |
| 3.2.2 系统整体架构 | 第34-35页 |
| 3.2.3 系统总体流程 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 用户行为的预处理和收集 | 第39-45页 |
| 4.1 用户行为预处理模块的研究与实现 | 第39-43页 |
| 4.1.1 用户行为预处理模块的需求分析 | 第39页 |
| 4.1.2 用户行为预处理模块的基本原理 | 第39-42页 |
| 4.1.3 用户行为预处理模块的实现 | 第42-43页 |
| 4.2 行为集模块的研究与实现 | 第43-44页 |
| 4.2.1 行为收集模块的需求分析 | 第43页 |
| 4.2.2 行为收集模块的基本原理 | 第43页 |
| 4.2.3 行为收集模块的实现 | 第43-44页 |
| 4.3 本章小结 | 第44-45页 |
| 第五章 行为特征库的建立 | 第45-53页 |
| 5.1 行为特征提取的研究与实现 | 第45-49页 |
| 5.1.1 行为特征提取的原理 | 第45-48页 |
| 5.1.2 行为特征提取的实现 | 第48-49页 |
| 5.2 行为特征模型输出的研究与实现 | 第49-51页 |
| 5.2.1 行为特征模型输出的原理 | 第50页 |
| 5.2.2 行为特征模型输出的实现 | 第50-51页 |
| 5.3 本章小结 | 第51-53页 |
| 第六章 效果测试与效果分析 | 第53-57页 |
| 6.1 测试环境概述 | 第53页 |
| 6.2 数据源的选取 | 第53-54页 |
| 6.3 推荐效果分析 | 第54-56页 |
| 6.4 本章小结 | 第56-57页 |
| 第七章 总结与展望 | 第57-59页 |
| 7.1 研究结论 | 第57-58页 |
| 7.2 研究展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-63页 |
| 作者简介 | 第63-65页 |
| 参考文献 | 第65-67页 |
