首页--经济论文--工业经济论文--信息产业经济(总论)论文

大数据联盟数据资源推荐系统研究

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

论文共85页,点击 下载论文
上一篇:基于用户体验视角的湖南移动电子渠道优化策略研究
下一篇:互联网知识付费及其发展模式研究