基于回归树模型的推荐技术研究和应用
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-18页 |
| 1.1 引言 | 第12页 |
| 1.2 研究背景和意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.4 本文工作与内容组织 | 第17-18页 |
| 2 相关技术 | 第18-28页 |
| 2.1 常用推荐算法 | 第18-21页 |
| 2.1.1 基于记忆的协同过滤算法 | 第18-19页 |
| 2.1.2 基于模型的协同过滤算法 | 第19-21页 |
| 2.2 回归树算法 | 第21-26页 |
| 2.2.1 数据增益率 | 第21-23页 |
| 2.2.2 分类和回归树 | 第23-24页 |
| 2.2.3 梯度提升算法 | 第24-26页 |
| 2.3 本章小结 | 第26-28页 |
| 3 基于用户画像和梯度回归树的商品推荐模型 | 第28-48页 |
| 3.1 模型描述 | 第29-39页 |
| 3.1.1 数据预处理 | 第29-33页 |
| 3.1.2 用户画像构建 | 第33-36页 |
| 3.1.3 回归树模型训练 | 第36-38页 |
| 3.1.4 预测与推荐 | 第38-39页 |
| 3.2 实验结果与分析 | 第39-46页 |
| 3.2.1 实验环境 | 第39页 |
| 3.2.2 数据说明 | 第39-42页 |
| 3.2.3 实验方案 | 第42-44页 |
| 3.2.4 实验结果 | 第44-46页 |
| 3.3 本章小结 | 第46-48页 |
| 4 房产个性化推荐系统设计 | 第48-66页 |
| 4.1 系统运行环境及开发平台 | 第48页 |
| 4.2 系统设计原则 | 第48-49页 |
| 4.3 需求分析 | 第49-51页 |
| 4.3.1 用户画像 | 第49-50页 |
| 4.3.2 推荐算法 | 第50页 |
| 4.3.3 系统开发 | 第50-51页 |
| 4.3.4 系统指标 | 第51页 |
| 4.4 架构设计 | 第51-64页 |
| 4.4.1 数据清洗转化模块 | 第52-54页 |
| 4.4.2 算法引擎模块 | 第54-63页 |
| 4.4.3 推荐结果输出模块 | 第63-64页 |
| 4.5 本章小结 | 第64-66页 |
| 5 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 简历与科研成果 | 第76-77页 |
