用户画像在内容推送的研究与应用
摘要 | 第3-4页 |
Abstract | 第4-5页 |
第一章 绪论 | 第9-15页 |
1.1 课题研究背景及意义 | 第9-10页 |
1.1.1 课题研究背景 | 第9-10页 |
1.1.2 课题研究意义 | 第10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 用户画像研究现状 | 第10-11页 |
1.2.2 内容推送技术研究现状 | 第11-12页 |
1.2.3 个性化推送应用现状 | 第12页 |
1.3 课题主要研究内容 | 第12-14页 |
1.3.1 移动数据的获取技术 | 第13页 |
1.3.2 移动数据的特点 | 第13页 |
1.3.3 用户画像的方法 | 第13页 |
1.3.4 内容库的设计 | 第13-14页 |
1.3.5 个性化推送技术 | 第14页 |
1.4 论文组织结构 | 第14页 |
1.5 本章小结 | 第14-15页 |
第二章 相关理论与技术研究 | 第15-20页 |
2.1 用户画像技术研究 | 第15-17页 |
2.1.1 用户画像定义 | 第15页 |
2.1.2 用户标签体系 | 第15-16页 |
2.1.3 用户画像建模方法 | 第16-17页 |
2.1.4 用户画像的应用研究 | 第17页 |
2.2 内容推送技术研究 | 第17-18页 |
2.2.1 简单轮询 | 第18页 |
2.2.2 SMS方式 | 第18页 |
2.2.3 持久连接方式 | 第18页 |
2.3 个性化推送技术研究 | 第18-19页 |
2.4 本章小结 | 第19-20页 |
第三章 个性化推送的应用研究 | 第20-29页 |
3.1 总体方案 | 第20-21页 |
3.1.1 个性化推送体系架构 | 第20-21页 |
3.1.2 个性化推送流程 | 第21页 |
3.2 数据的采集及处理 | 第21-25页 |
3.2.1 App的开发 | 第22页 |
3.2.2 数据的采集 | 第22-24页 |
3.2.3 数据的处理 | 第24-25页 |
3.3 标签体系建立 | 第25-27页 |
3.3.1 位置标签 | 第25页 |
3.3.2 习惯标签 | 第25-26页 |
3.3.3 兴趣爱好标签 | 第26页 |
3.3.4 App类别标签 | 第26-27页 |
3.4 内容库方案设计 | 第27-28页 |
3.4.1 图片库 | 第27-28页 |
3.4.2 图片序列库 | 第28页 |
3.4.3 图片内容库 | 第28页 |
3.5 本章小结 | 第28-29页 |
第四章 用户画像分析与研究 | 第29-39页 |
4.1 移动互联网的特点 | 第29-30页 |
4.1.1 位置相关性 | 第29页 |
4.1.2 时间相关性 | 第29-30页 |
4.1.3 内容相关性 | 第30页 |
4.2 移动数据 | 第30-31页 |
4.2.1 静态数据 | 第30页 |
4.2.2 动态数据 | 第30-31页 |
4.3 用户画像 | 第31-34页 |
4.3.1 滑动图片数据 | 第31-32页 |
4.3.2 应用App数据 | 第32-33页 |
4.3.3 位置数据 | 第33页 |
4.3.4 使用智能终端数据 | 第33-34页 |
4.4 分类预测模型 | 第34-38页 |
4.4.1 基于SVM算法预测模型 | 第34-35页 |
4.4.2 基于BP神经网络算法预测模型 | 第35-37页 |
4.4.3 基于DNN算法的预测模型 | 第37-38页 |
4.5 本章小结 | 第38-39页 |
第五章 个性化推送模型实现 | 第39-42页 |
5.1 个性化推送模型 | 第39-42页 |
第六章 实验与结果分析 | 第42-56页 |
6.1 实验环境设计 | 第42页 |
6.1.1 项目背景 | 第42页 |
6.2 软硬件环境 | 第42-43页 |
6.2.1 硬件环境 | 第42页 |
6.2.2 软件环境 | 第42-43页 |
6.3 实验数据 | 第43页 |
6.4 实验结果展示分析 | 第43-55页 |
6.4.1 分类预测实验 | 第44-47页 |
6.4.2 用户画像展示与分析 | 第47-50页 |
6.4.3 个性化内容推送展示与分析 | 第50-55页 |
6.5 本章小结 | 第55-56页 |
第七章 总结与展望 | 第56-58页 |
7.1 全文总结 | 第56页 |
7.2 未来展望 | 第56-58页 |
参考文献 | 第58-61页 |
在学期间的研究成果 | 第61-62页 |
致谢 | 第62页 |