基于数据挖掘的移动互联网业务推荐模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景 | 第9-12页 |
| 1.2 研究的内容与目标 | 第12-13页 |
| 1.3 研究方法、技术路线以及组织结构 | 第13-15页 |
| 1.4 论文创新点 | 第15-16页 |
| 第二章 推荐算法及相关技术概述 | 第16-33页 |
| 2.1 推荐算法 | 第16-22页 |
| 2.1.1 基于内容的推荐 | 第16-18页 |
| 2.1.2 协同过滤推荐 | 第18-20页 |
| 2.1.3 混合推荐 | 第20-21页 |
| 2.1.4 数据挖掘在推荐中的应用 | 第21-22页 |
| 2.2 客户细分以及聚类技术 | 第22-26页 |
| 2.3 关联规则 | 第26-29页 |
| 2.4 基于社会网络的推荐 | 第29-32页 |
| 2.5 小结 | 第32-33页 |
| 第三章 基于DFM模型和社会联系的混合推荐方法 | 第33-41页 |
| 3.1 混合推荐方法提出的背景及原因 | 第33-34页 |
| 3.2 混合推荐方法的详细说明 | 第34-39页 |
| 3.2.1 混合推荐方法的总体思路和推荐流程 | 第34-35页 |
| 3.2.2 DFM模型计算 | 第35-37页 |
| 3.2.3 客户聚类 | 第37-38页 |
| 3.2.4 基于关联规则的推荐 | 第38页 |
| 3.2.5 基于社会联系的推荐 | 第38-39页 |
| 3.3 小结 | 第39-41页 |
| 第四章 实证研究 | 第41-53页 |
| 4.1 实验数据说明 | 第41-42页 |
| 4.2 社会联系推荐方法的评价 | 第42-44页 |
| 4.3 混合推荐方法的评价 | 第44-52页 |
| 4.3.1 实验指标 | 第44-45页 |
| 4.3.2 DFM模型计算结果 | 第45-46页 |
| 4.3.3 客户聚类 | 第46-48页 |
| 4.3.4 高价值客户关联规则推荐 | 第48页 |
| 4.3.5 低价值客户社会联系推荐 | 第48-50页 |
| 4.3.6 算法比较 | 第50-52页 |
| 4.4 小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 全文总结 | 第53页 |
| 5.2 今后的展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录1 | 第59-60页 |
| 附录2 | 第60-63页 |
| 附录3 | 第63-65页 |
| 致谢 | 第65-66页 |
| 作者攻读学位期间发表的学术论文目录 | 第66页 |
