| 摘要 | 第4-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景 | 第12-14页 |
| 1.2 研究意义 | 第14-16页 |
| 1.3 研究的创新点 | 第16-17页 |
| 1.4 研究方法和论文框架 | 第17-22页 |
| 1.4.1 研究方法 | 第17-18页 |
| 1.4.2 论文框架 | 第18-22页 |
| 第二章 文献综述 | 第22-34页 |
| 2.1 移动互联网的内涵及特性 | 第22-26页 |
| 2.2 国内外移动互联网研究现状 | 第26-28页 |
| 2.3 国内外关于移动互联网用户研究现状 | 第28-29页 |
| 2.4 国内外移动互联网用户行为偏好的相关研究 | 第29-30页 |
| 2.5 支持向量机方法的相关研究 | 第30-31页 |
| 2.6 本章研究述评 | 第31-34页 |
| 第三章 支持向量机方法及离散选择模型 | 第34-52页 |
| 3.1 支持向量机方法 | 第34-45页 |
| 3.1.1 机器学习的发展 | 第34-37页 |
| 3.1.2 统计学习理论的基础 | 第37-40页 |
| 3.1.3 支持向量机 | 第40-44页 |
| 3.1.4 各种支持向量机新算法的研究 | 第44页 |
| 3.1.5 常用数据挖掘方法介绍 | 第44-45页 |
| 3.2 离散选择模型 | 第45-52页 |
| 3.2.1 涵义及性质 | 第46页 |
| 3.2.2 离散选择模型的理论基石——效用最大化理论 | 第46-47页 |
| 3.2.3 离散选择模型的分类及具体形式 | 第47-49页 |
| 3.2.4 logit模型的相关文献研究 | 第49-52页 |
| 第四章 移动互联网用户浏览模式研究 | 第52-64页 |
| 4.1 数据收集 | 第52页 |
| 4.2 数据分析及实验方案 | 第52-62页 |
| 4.2.1 用户浏览模式的行为偏好 | 第53-57页 |
| 4.2.2 标题长度和图片数量对用户深度阅读的影响 | 第57-62页 |
| 4.3 本章小结 | 第62-64页 |
| 第五章 移动互联网用户行为偏好影响因素分析 | 第64-82页 |
| 5.1 移动互联网用户细分 | 第64-71页 |
| 5.1.1 移动互联网用户维度分析 | 第64-66页 |
| 5.1.2 数据收集 | 第66-67页 |
| 5.1.3 数据描述及统计分析 | 第67-71页 |
| 5.2 基于离散选择模型的用户行为偏好影响因素分析 | 第71-79页 |
| 5.2.1 数据处理 | 第72-74页 |
| 5.2.2 实验分析 | 第74-78页 |
| 5.2.3 实验小结 | 第78-79页 |
| 5.3 本章小结 | 第79-82页 |
| 第五章 基于支持向量机的移动互联网用户行为偏好分类预测 | 第82-94页 |
| 6.1 数据整理 | 第83-84页 |
| 6.2 模型的选择 | 第84-85页 |
| 6.3 核函数的选择 | 第85页 |
| 6.4 参数的选择 | 第85-87页 |
| 6.5 实验分析 | 第87-88页 |
| 6.6 实验对比 | 第88-89页 |
| 6.7 预测变量的重要性 | 第89-90页 |
| 6.8 结论及建议 | 第90-94页 |
| 第七章 总结与展望 | 第94-98页 |
| 7.1 总结 | 第94-95页 |
| 7.2 展望 | 第95-98页 |
| 参考文献 | 第98-110页 |
| 致谢 | 第110-112页 |
| 附录 | 第112-114页 |
| 攻读博士学位期间发表的论文 | 第114页 |
