| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-17页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.3 本文的主要研究内容和组织结构 | 第14-17页 |
| 第二章 用户画像的相关技术 | 第17-25页 |
| 2.1 用户画像的用户模型 | 第17-18页 |
| 2.2 分类算法 | 第18-22页 |
| 2.2.1 常用的分类算法 | 第18-19页 |
| 2.2.2 集成学习 | 第19-22页 |
| 2.3 聚类算法 | 第22-23页 |
| 2.4 关联规则学习 | 第23-25页 |
| 第三章 用户画像的模型构建 | 第25-47页 |
| 3.1 消费数据的特点分析 | 第25-26页 |
| 3.2 特征工程 | 第26-32页 |
| 3.2.1 特征抽取 | 第26-29页 |
| 3.2.2 特征选择 | 第29-32页 |
| 3.3 用户消费能力预测模型的构建 | 第32-40页 |
| 3.3.1 用户消费能力预测模型的选择 | 第32-34页 |
| 3.3.2 基于Stacking的模型框架 | 第34-35页 |
| 3.3.3 Stacking的个体学习器的选择性集成策略 | 第35-37页 |
| 3.3.4 Stacking模型的构建过程 | 第37-40页 |
| 3.4 用户消费行为分析模型的构建 | 第40-47页 |
| 3.4.1 用户消费行为的分析与研究 | 第40-41页 |
| 3.4.2 基于高斯混合模型的用户聚类 | 第41-44页 |
| 3.4.3 基于Apriori算法的用户消费行为规则挖掘 | 第44-47页 |
| 第四章 实验分析与结果 | 第47-59页 |
| 4.1 实验数据简介 | 第47页 |
| 4.2 模型效果评价标准 | 第47-49页 |
| 4.3 实验结果与分析 | 第49-59页 |
| 4.3.1 用户消费能力预测模型实验结果与分析 | 第49-51页 |
| 4.3.2 用户聚类模型实验结果与分析 | 第51-54页 |
| 4.3.3 用户消费行为关联规则挖掘模型实验结果与分析 | 第54-59页 |
| 第五章 用户画像的系统构建 | 第59-67页 |
| 5.1 需求分析 | 第59-60页 |
| 5.2 系统设计 | 第60-63页 |
| 5.2.1 系统架构设计 | 第60-61页 |
| 5.2.2 系统功能模块结构 | 第61-62页 |
| 5.2.3 系统数据库设计 | 第62-63页 |
| 5.3 系统测试 | 第63-66页 |
| 5.3.1 测试环境 | 第63页 |
| 5.3.2 功能测试 | 第63-64页 |
| 5.3.3 性能测试 | 第64-66页 |
| 5.4 系统展示 | 第66-67页 |
| 第六章 总结和展望 | 第67-69页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 后续展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间取得的研究成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 附件 | 第75页 |
