基于海量银行卡用户行为的推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 本文研究内容 | 第12页 |
| 1.4 本文基本结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 算法组成分析 | 第14-20页 |
| 2.1 朴素贝叶斯分类算法 | 第14-15页 |
| 2.2 协同过滤推荐算法 | 第15-18页 |
| 2.3 Hadoop分布式平台 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 组合型Item-Based推荐算法设计 | 第20-35页 |
| 3.1 算法整体设计 | 第20-28页 |
| 3.1.1 应用场景分析 | 第20-21页 |
| 3.1.2 算法针对性设计 | 第21-28页 |
| 3.2 算法详细设计 | 第28-34页 |
| 3.2.1 算法整体结构 | 第28-30页 |
| 3.2.2 算法各模块功能介绍 | 第30-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 算法实现 | 第35-45页 |
| 4.1 算法整体流程 | 第35-37页 |
| 4.2 各模块功能实现 | 第37-44页 |
| 4.2.1 数据过滤、格式化及统计 | 第37-38页 |
| 4.2.2 商户消费人次Top-N集合 | 第38页 |
| 4.2.3 用户分类 | 第38-40页 |
| 4.2.4 构建用户-项目评分矩阵 | 第40-41页 |
| 4.2.5 项目相似度计算 | 第41-42页 |
| 4.2.6 项目空间相近度计算 | 第42-43页 |
| 4.2.7 预测用户对项目评分 | 第43-44页 |
| 4.2.8 生成推荐结果 | 第44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 实验与分析 | 第45-51页 |
| 5.1 实验环境 | 第45-46页 |
| 5.2 实验数据集 | 第46-47页 |
| 5.3 实验设计 | 第47-48页 |
| 5.4 实验分析 | 第48-50页 |
| 5.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 附录A Hadoop环境相关配置 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
