摘要 | 第10-11页 |
ABSTRACT | 第11-12页 |
第一章 绪论 | 第13-19页 |
1.1 课题研究背景及意义 | 第13-15页 |
1.1.1 课题研究背景 | 第13-14页 |
1.1.2 课题研究意义 | 第14-15页 |
1.2 课题研究现状 | 第15-17页 |
1.2.1 Django框架研究现状 | 第15-16页 |
1.2.2 数据挖掘技术研究现状 | 第16-17页 |
1.3 本文的研究内容和组织结构 | 第17-19页 |
1.3.1 课题主要研究内容 | 第17页 |
1.3.2 论文结构安排 | 第17-19页 |
第二章 相关技术基础 | 第19-27页 |
2.1 数据仓库技术 | 第19-20页 |
2.2 Django框架 | 第20-21页 |
2.3 web前端技术 | 第21-22页 |
2.4 机器学习技术 | 第22-24页 |
2.4.1 K-means聚类算法 | 第22-23页 |
2.4.2 KNN算法 | 第23-24页 |
2.5 用户画像技术 | 第24-25页 |
2.6 数据可视化技术 | 第25-26页 |
2.7 本章小结 | 第26-27页 |
第三章 基于Django的语音日志分析平台的搭建与实现 | 第27-40页 |
3.1 语音日志分析平台需求分析 | 第27-30页 |
3.1.1 总体需求目标分析 | 第27-28页 |
3.1.2 系统框图设计 | 第28-29页 |
3.1.3 业务模块需求分析 | 第29页 |
3.1.4 运维模块需求分析 | 第29页 |
3.1.5 用户分析模块需求分析 | 第29-30页 |
3.1.6 扩展模块需求分析 | 第30页 |
3.2 MySQL数据库实现 | 第30-32页 |
3.2.1 数据库配置 | 第30-31页 |
3.2.2 数据库操作 | 第31-32页 |
3.3 Django环境部署与设置 | 第32-36页 |
3.3.1 Django环境部署 | 第32-34页 |
3.3.2 setting文件配置 | 第34页 |
3.3.3 urls设计 | 第34-36页 |
3.4 web实现 | 第36-39页 |
3.4.1 平台框架搭建 | 第36-37页 |
3.4.2 平台页面展示 | 第37-39页 |
3.5 本章小结 | 第39-40页 |
第四章 面向大数据的语音日志内容分析研究 | 第40-53页 |
4.1 语音数据统计分析 | 第40-41页 |
4.2 用户分群 | 第41-45页 |
4.2.1 用户基本类型定义 | 第41-42页 |
4.2.2 基于k-means聚类算法的活跃用户分析 | 第42-44页 |
4.2.3 基于KNN算法的流失用户预测 | 第44-45页 |
4.3 基于jaro-winkler算法的语音纠错算法 | 第45-47页 |
4.4 用户足迹分析 | 第47-50页 |
4.4.1 用户索引 | 第47-49页 |
4.4.2 用户语音内容展示 | 第49-50页 |
4.5 用户画像 | 第50-52页 |
4.5.1 用户画像指标体系 | 第50页 |
4.5.2 用户画像标签完成 | 第50-52页 |
4.6 本章小结 | 第52-53页 |
第五章 平台扩展-基于用户画像的电影推荐 | 第53-62页 |
5.1 推荐系统理论知识 | 第53-54页 |
5.1.1 基础推荐算法 | 第53-54页 |
5.1.2 算法优缺点 | 第54页 |
5.2 一种结合语音用户画像的电影推荐算法 | 第54-61页 |
5.2.1 用户观看电影规律探究 | 第55-56页 |
5.2.2 结合用户语音画像的电影推荐算法 | 第56-60页 |
5.2.3 推荐性能分析 | 第60-61页 |
5.3 本章小结 | 第61-62页 |
第六章 面向大数据的语音日志分析系统应用实例 | 第62-67页 |
6.1 应用背景介绍 | 第62-63页 |
6.2 语音日志分析系统展示 | 第63-66页 |
6.2.1 业务盘点模块 | 第63-64页 |
6.2.2 运维盘点模块 | 第64页 |
6.2.3 用户分析模块 | 第64-66页 |
6.2.4 扩展模块 | 第66页 |
6.3 本章小结 | 第66-67页 |
第七章 总结与展望 | 第67-69页 |
7.1 工作总结 | 第67页 |
7.2 工作展望 | 第67-69页 |
参考文献 | 第69-73页 |
致谢 | 第73-74页 |
攻读硕士研究生期间研究成果 | 第74-75页 |
学位论文评阅及答辩情况表 | 第75页 |