| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-10页 |
| 图表目录 | 第10-12页 |
| 1 引言 | 第12-16页 |
| ·研究背景 | 第12-13页 |
| ·主要研究内容 | 第13-14页 |
| ·论文研究思路 | 第14-15页 |
| ·论文的创新点 | 第15-16页 |
| 2 认知类型测量理论与方法 | 第16-28页 |
| ·认知需求 | 第16-19页 |
| ·含义 | 第16-17页 |
| ·差异体现 | 第17-18页 |
| ·测度方法 | 第18页 |
| ·对个体在线行为的影响 | 第18-19页 |
| ·认知风格 | 第19-25页 |
| ·含义 | 第19-22页 |
| ·测度方法 | 第22-23页 |
| ·对个体在线行为的影响 | 第23-25页 |
| ·认知图式 | 第25-28页 |
| ·含义 | 第25页 |
| ·差异体现 | 第25-26页 |
| ·测度方法 | 第26-27页 |
| ·对个体在线行为的影响 | 第27-28页 |
| 3 认知类型测量分析实验探索—以商品参数浏览与学习为情境 | 第28-46页 |
| ·实验设计与组织 | 第28-38页 |
| ·自变量设计 | 第29-35页 |
| ·控制变量 | 第35页 |
| ·因变量设计 | 第35-36页 |
| ·实验任务及平台设计 | 第36-37页 |
| ·实验组织及实验实施流程 | 第37-38页 |
| ·数据分析 | 第38-46页 |
| ·不同认知需求类型的行为特征 | 第38-41页 |
| ·不同认知风格类型的行为特征 | 第41-43页 |
| ·不同认知图式类型的行为特征 | 第43-46页 |
| 4 基于机器学习的用户认知分类的基本方法 | 第46-68页 |
| ·基于机器学习的分类方法概述 | 第46-54页 |
| ·神经网络方法 | 第46-50页 |
| ·朴素贝叶斯 | 第50-52页 |
| ·决策树 | 第52-54页 |
| ·小结 | 第54页 |
| ·神经网络分类方法在电子商务中应用研究 | 第54-59页 |
| ·数据预测 | 第54-55页 |
| ·客户分类 | 第55-57页 |
| ·评价 | 第57-59页 |
| ·基于Spss clementine的神经网络分类实现流程 | 第59-68页 |
| ·定义数据源 | 第59-60页 |
| ·筛选数据 | 第60-61页 |
| ·准备数据 | 第61-62页 |
| ·数据建模 | 第62-66页 |
| ·模型评估 | 第66-68页 |
| 5 基于神经网络的认知分类实验探索 | 第68-88页 |
| ·认知需求分类建模 | 第69-76页 |
| ·数据建模 | 第69-72页 |
| ·模型检验 | 第72-74页 |
| ·结果与讨论 | 第74-76页 |
| ·认知风格分类建模 | 第76-82页 |
| ·数据建模 | 第76-79页 |
| ·模型检验 | 第79-80页 |
| ·结果与讨论 | 第80-82页 |
| ·认知图式分类建模 | 第82-88页 |
| ·数据建模 | 第82-84页 |
| ·模型检验 | 第84-86页 |
| ·结果与讨论 | 第86-88页 |
| 6 结论与启示 | 第88-92页 |
| ·主要研究结论 | 第88-90页 |
| ·对于在线差异化服务的启示 | 第90页 |
| ·本文的不足和展望 | 第90-92页 |
| 致谢 | 第92-93页 |
| 参考文献 | 第93-100页 |
| 附录 | 第100-104页 |
| 附录A 镶嵌图测试法 | 第100-103页 |
| 附录B 数码相机知识培训 | 第103页 |
| 附录C 基本信息调查问卷 | 第103-104页 |
| 附录D 网页查找任务 | 第104页 |