| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究目的及意义 | 第12页 |
| 1.2 国内外研究现状及评述 | 第12-18页 |
| 1.2.1 国外研究现状 | 第12-14页 |
| 1.2.2 国内研究现状 | 第14-17页 |
| 1.2.3 研究评述 | 第17-18页 |
| 1.3 研究内容和方法 | 第18-21页 |
| 1.3.1 研究内容 | 第18-19页 |
| 1.3.2 研究方法 | 第19页 |
| 1.3.3 技术路线 | 第19-21页 |
| 第2章 大数据联盟数据资源推荐系统架构 | 第21-32页 |
| 2.1 大数据联盟产生机理 | 第21-24页 |
| 2.1.1 大数据联盟内涵 | 第21-22页 |
| 2.1.2 大数据联盟特征 | 第22页 |
| 2.1.3 基于资源配置的大数据联盟产生机理 | 第22-24页 |
| 2.2 大数据联盟数据资源特征及类型 | 第24-27页 |
| 2.2.1 大数据联盟数据资源界定 | 第24-25页 |
| 2.2.2 大数据联盟数据资源特征 | 第25-26页 |
| 2.2.3 大数据联盟数据资源类型 | 第26-27页 |
| 2.3 大数据联盟数据资源推荐服务分析 | 第27-30页 |
| 2.3.1 基于长尾理论的用户数据资源需求分析 | 第27-28页 |
| 2.3.2 联盟数据资源交易服务过程分析 | 第28-29页 |
| 2.3.3 联盟数据资源推荐服务的优势 | 第29-30页 |
| 2.4 大数据联盟数据资源推荐系统框架设计 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 大数据联盟数据资源交易目标用户识别 | 第32-46页 |
| 3.1 联盟数据资源交易用户识别分析 | 第32-34页 |
| 3.1.1 联盟数据资源交易用户识别必要性分析 | 第32页 |
| 3.1.2 联盟数据资源交易用户分析 | 第32-33页 |
| 3.1.3 联盟数据资源交易用户分类 | 第33-34页 |
| 3.2 联盟数据资源交易用户信息采集 | 第34-37页 |
| 3.2.1 联盟数据资源交易用户信息内涵 | 第34-35页 |
| 3.2.2 数据资源交易用户信息的分类 | 第35-36页 |
| 3.2.3 联盟数据资源交易用户信息采集方法 | 第36-37页 |
| 3.3 联盟数据资源交易现有目标用户识别 | 第37-40页 |
| 3.3.1 现有目标用户分析 | 第37-39页 |
| 3.3.2 现有目标用户识别 | 第39-40页 |
| 3.4 基于粗糙集的联盟数据交易潜在目标用户识别 | 第40-45页 |
| 3.4.1 潜在目标用户数据离散化 | 第41-43页 |
| 3.4.2 潜在目标用户数据约简 | 第43-44页 |
| 3.4.3 潜在目标用户规则提取 | 第44-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 大数据联盟数据资源处理 | 第46-56页 |
| 4.1 联盟数据资源处理过程 | 第46-47页 |
| 4.2 大数据联盟数据资源集成 | 第47-50页 |
| 4.2.1 联盟数据资源缺失值处理 | 第47-48页 |
| 4.2.2 联盟数据资源对象匹配 | 第48-49页 |
| 4.2.3 联盟数据资源数据值冲突处理及提取 | 第49-50页 |
| 4.3 大数据联盟数据资源转换 | 第50-52页 |
| 4.3.1 联盟数据资源规范化 | 第50-51页 |
| 4.3.2 联盟数据资源特征构造 | 第51-52页 |
| 4.4 大数据联盟数据资源存储 | 第52-55页 |
| 4.4.1 数据资源存储技术的选择 | 第52-53页 |
| 4.4.2 数据资源存储管理模块 | 第53-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第5章 大数据联盟数据资源推荐 | 第56-66页 |
| 5.1 基于RSS的联盟潜在目标用户数据资源推荐 | 第56-58页 |
| 5.1.1 RSS特点 | 第56页 |
| 5.1.2 基于RSS的潜在目标用户推荐服务流程 | 第56-58页 |
| 5.1.3 基于RSS的数据资源推荐服务模式 | 第58页 |
| 5.2 基于改进BN算法的现有目标用户数据资源推荐 | 第58-64页 |
| 5.2.1 传统的二分网络推荐算法 | 第58-59页 |
| 5.2.2 现有目标用户的用户相似度计算 | 第59-61页 |
| 5.2.3 现有目标用户的数据产品相似度计算 | 第61-62页 |
| 5.2.4 基于改进二分网络的联盟数据资源推荐 | 第62-64页 |
| 5.3 联盟数据资源推荐效果评估 | 第64-65页 |
| 5.3.1 潜在目标用户数据资源推荐效果评估 | 第64页 |
| 5.3.2 现有目标用户数据资源推荐效果评估 | 第64-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 实证分析 | 第66-78页 |
| 6.1 山东城商行金融大数据联盟概况 | 第66页 |
| 6.2 城商行大数据联盟征信数据推荐系统环境搭建 | 第66-70页 |
| 6.2.1 联盟征信数据推荐系统环境介绍 | 第66-68页 |
| 6.2.2 联盟征信数据推荐系统集群部署 | 第68-70页 |
| 6.3 联盟征信数据交易用户识别及数据处理 | 第70-75页 |
| 6.3.1 联盟征信数据交易用户信息采集 | 第70-71页 |
| 6.3.2 联盟征信数据交易目标用户识别 | 第71-74页 |
| 6.3.3 联盟征信数据处理变换及存储 | 第74-75页 |
| 6.4 城商行大数据联盟征信数据资源推荐 | 第75-77页 |
| 6.4.1 联盟潜在目标用户数据资源推荐 | 第75页 |
| 6.4.2 联盟现有目标用户数据资源推荐 | 第75-76页 |
| 6.4.3 联盟数据资源推荐效果评估 | 第76-77页 |
| 6.5 本章小结 | 第77-78页 |
| 结论 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读学位期间发表的学术论文 | 第84-85页 |
| 致谢 | 第85页 |