| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题背景及意义 | 第10-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 论文的研究内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第二章 相关技术综述 | 第16-28页 |
| 2.1 推荐系统 | 第16-22页 |
| 2.1.1 推荐系统简述 | 第16页 |
| 2.1.2 推荐系统的发展历史 | 第16-17页 |
| 2.1.3 推荐系统的经典算法 | 第17-22页 |
| 2.2 分类算法 | 第22-28页 |
| 2.2.1 分类算法简述 | 第22页 |
| 2.2.2 决策树算法 | 第22-23页 |
| 2.2.3 线性分类算法 | 第23-25页 |
| 2.2.4 神经网络分类算法 | 第25-26页 |
| 2.2.5 组合分类算法 | 第26-28页 |
| 第三章 基于价格敏感的评分推荐算法研究 | 第28-41页 |
| 3.1 数据预准备和观察 | 第28-33页 |
| 3.2 EARP模型 | 第33-41页 |
| 3.2.1 问题定义 | 第33-34页 |
| 3.2.2 低秩矩阵分解 | 第34页 |
| 3.2.3 EARP-E模型融合消费价格信息关联规则 | 第34-35页 |
| 3.2.4 EARP-U模型融合用户消耗关联规则 | 第35页 |
| 3.2.5 EARP-M模型融合多个价格区间规则 | 第35-39页 |
| 3.2.6 讨论 | 第39-41页 |
| 第四章 基于价格敏感的评分推荐算法应用 | 第41-49页 |
| 4.1 度量 | 第41页 |
| 4.2 比较方法 | 第41-42页 |
| 4.3 有效性研究 | 第42-44页 |
| 4.4 关于消费价格区间的数量研究 | 第44-45页 |
| 4.5 响应矩阵和关联矩阵的意义研究 | 第45-47页 |
| 4.6 缺失消费价格信息的敏感度研究 | 第47-49页 |
| 第五章 基于用户消费行为的潜在重复购买用户推荐应用 | 第49-59页 |
| 5.1 数据简述 | 第49-50页 |
| 5.2 推荐系统框架综述 | 第50-51页 |
| 5.2.1 数据预处理 | 第50页 |
| 5.2.2 特征提取和选择 | 第50-51页 |
| 5.2.3 模型训练 | 第51页 |
| 5.2.4 多模型融合 | 第51页 |
| 5.3 数据预处理 | 第51-52页 |
| 5.4 特征提取和选择 | 第52-56页 |
| 5.4.1 用户相关特征 | 第52-53页 |
| 5.4.2 商户相关特征 | 第53-55页 |
| 5.4.3 用户商户交互特征 | 第55-56页 |
| 5.4.4 特征选择 | 第56页 |
| 5.5 模型训练 | 第56-57页 |
| 5.5.1 GBDT (Gradient Boosting Decision Tree) | 第56页 |
| 5.5.2 随机森林(Random Forests) | 第56-57页 |
| 5.5.3 AdaBoost | 第57页 |
| 5.5.4 逻辑斯特回归(Logistic Regression) | 第57页 |
| 5.6 多模型融合 | 第57-58页 |
| 5.6.1 模型融合 | 第58页 |
| 5.6.2 特征融合 | 第58页 |
| 5.7 实验 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
