基于机器学习的移动应用推荐系统的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-11页 |
| ·背景与现状 | 第8-9页 |
| ·本文的工作 | 第9-10页 |
| ·论文章节安排 | 第10-11页 |
| 第2章 推荐系统相关研究 | 第11-16页 |
| ·推荐系统概述 | 第11-12页 |
| ·基于内容的推荐 | 第12页 |
| ·协同过滤推荐 | 第12-15页 |
| ·本章小结 | 第15-16页 |
| 第3章 推荐问题定义与属性构造 | 第16-27页 |
| ·APP 推荐问题——有监督学习 | 第16-17页 |
| ·文本属性构造 | 第17-20页 |
| ·关键词扩展 | 第20页 |
| ·概率潜在语义分析 | 第20-23页 |
| ·基本特征构造 | 第23-24页 |
| ·组合特征构造 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第4章 机器学习模型技术原理 | 第27-39页 |
| ·支持向量机模型 | 第27-31页 |
| ·逻辑斯蒂回归模型 | 第31-35页 |
| ·Online Learning | 第35-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 实验结果与分析 | 第39-45页 |
| ·离线评价指标 | 第39-40页 |
| ·离线对比实验 | 第40-43页 |
| ·线上效果对比 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第6章 系统设计与实现 | 第45-55页 |
| ·系统简介 | 第45-48页 |
| ·数据处理模块 | 第48-50页 |
| ·模型训练与预估模块 | 第50-52页 |
| ·在线处理模块 | 第52-53页 |
| ·本章小结 | 第53-55页 |
| 第7章 总结与展望 | 第55-57页 |
| ·本文工作总结 | 第55-56页 |
| ·不足之处与进一步工作 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |
