协同过滤推荐算法研究及在税收风险监控系统中的应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-18页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外的研究现状 | 第15-17页 |
| 1.2.1 风险监控系统的研究现状 | 第15页 |
| 1.2.2 协同过滤推荐算法的研究现状 | 第15-17页 |
| 1.3 文章组织架构 | 第17-18页 |
| 第2章 协同过滤推荐算法 | 第18-26页 |
| 2.1 协同过滤推荐算法定义 | 第18页 |
| 2.2 协同过滤推荐算法的分类 | 第18-19页 |
| 2.2.1 基于用户的协同过滤推荐算法 | 第18-19页 |
| 2.2.2 基于项目的协同过滤推荐算法 | 第19页 |
| 2.3 算法工作流程 | 第19-21页 |
| 2.4 协同过滤推荐算法相似度的计算方法 | 第21-22页 |
| 2.4.1 余弦相似度计算方法 | 第21-22页 |
| 2.4.2 皮尔森相关性计算方法 | 第22页 |
| 2.4.3 基于条件概率的相似性计算方法 | 第22页 |
| 2.5 协同过滤推荐算法预估评分计算方法 | 第22-23页 |
| 2.6 算法性能评测指标 | 第23页 |
| 2.7 协同过滤推荐算法面临的问题及解决方案 | 第23-26页 |
| 2.7.1 稀疏性 | 第23-24页 |
| 2.7.2 冷启动 | 第24页 |
| 2.7.3 扩展性 | 第24-26页 |
| 第3章 税收风险监控系统介绍及问题提出 | 第26-37页 |
| 3.1 税收风险监控系统介绍 | 第26-32页 |
| 3.1.1 税收风险的定义 | 第26-27页 |
| 3.1.2 指标模型 | 第27-29页 |
| 3.1.3 任务统筹模块 | 第29-30页 |
| 3.1.4 纳税评估模块 | 第30-31页 |
| 3.1.5 流程模块 | 第31页 |
| 3.1.6 应对大小组 | 第31-32页 |
| 3.2 税收风险监控系统问题提出 | 第32-34页 |
| 3.2.1 缺失风险应对参考案例 | 第32-33页 |
| 3.2.2 缺失风险应对学习案例 | 第33页 |
| 3.2.3 缺失任务分配参考数据 | 第33-34页 |
| 3.3 税收风险监控系统问题解决方案 | 第34-37页 |
| 3.3.1 属性匹配法 | 第34页 |
| 3.3.2 融合社会关系网络的协同过滤推荐算法 | 第34-37页 |
| 第4章 风险案例个性化推荐设计 | 第37-51页 |
| 4.1 风险案例个性化推荐业务需求 | 第37-38页 |
| 4.2 风险案例个性化推荐业务流程设计 | 第38-43页 |
| 4.2.1 属性匹配流程设计 | 第38-41页 |
| 4.2.2 协同过滤推荐流程设计 | 第41-42页 |
| 4.2.3 评价流程设计 | 第42-43页 |
| 4.2.4 应对任务分配的数据处理流程设计 | 第43页 |
| 4.3 风险案例个性化推荐模块类的设计 | 第43-44页 |
| 4.4 风险案例个性化推荐的关键功能点设计 | 第44-49页 |
| 4.4.1 属性匹配推荐中相似案例的判断 | 第44-45页 |
| 4.4.2 用户评价数据采集 | 第45-46页 |
| 4.4.3 寻找相似用户群 | 第46-47页 |
| 4.4.4 预测项目评分 | 第47-48页 |
| 4.4.5 协同过滤推荐推荐项目数量确认 | 第48-49页 |
| 4.5 风险案例个性化推荐模块实现难点及解决方案 | 第49-51页 |
| 4.5.1 协同推荐冷启动问题 | 第49页 |
| 4.5.2 协同推荐稀疏性问题 | 第49-51页 |
| 第5章 风险案例个性化推荐模块实现 | 第51-58页 |
| 5.1 属性匹配推荐实现 | 第51-52页 |
| 5.2 协同过滤推荐实现 | 第52-54页 |
| 5.2.1 寻找相似用户群 | 第52-53页 |
| 5.2.2 预测项目评分 | 第53-54页 |
| 5.3 应对任务分配参考数据 | 第54页 |
| 5.4 推荐结果 | 第54-55页 |
| 5.5 推荐案例评价 | 第55-56页 |
| 5.6 模块运行数据分析 | 第56-58页 |
| 结论与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录: 攻读硕士学位期间发表论文及参与项目 | 第62-63页 |
| 致谢 | 第63页 |
