基于用户行为的电商推荐系统设计与实现
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究现状和发展趋势 | 第10-11页 |
| 1.2 本文的研究内容 | 第11-12页 |
| 1.3 本文的组织结构 | 第12-13页 |
| 1.4 本章小结 | 第13-15页 |
| 第二章 推荐系统概述及相关推荐算法 | 第15-27页 |
| 2.1 推荐系统概述 | 第15-17页 |
| 2.2 相关推荐算法 | 第17-26页 |
| 2.2.1 基于热度排行的推荐 | 第18页 |
| 2.2.2 基于关联规则的推荐 | 第18-20页 |
| 2.2.3 协同过滤 | 第20-22页 |
| 2.2.4 基于购买概率预估的推荐 | 第22-24页 |
| 2.2.5 大数据处理技术 | 第24-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 基于用户行为的推荐系统架构 | 第27-35页 |
| 3.1 工业界架构介绍 | 第27-30页 |
| 3.2 基于用户行为的创新架构 | 第30-32页 |
| 3.3 实验的工程架构 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于购买概率预估的推荐算法 | 第35-43页 |
| 4.1 购买概率预估问题 | 第35-36页 |
| 4.2 购买概率预估算法 | 第36-38页 |
| 4.3 特征组合 | 第38-42页 |
| 4.3.1 人工特征组合 | 第40-41页 |
| 4.3.2 机器学习特征组合 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 实验设计与结果 | 第43-55页 |
| 5.1 数据集 | 第43-49页 |
| 5.1.1 评价指标 | 第45-46页 |
| 5.1.2 数据预处理及特征设计 | 第46-49页 |
| 5.2 实验步骤及结果 | 第49-53页 |
| 5.3 本章小结 | 第53-55页 |
| 第六章 工作总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55页 |
| 6.2 下一步研究展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
