基于数据挖掘的高潜用户购买意向预测
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究目的及意义 | 第12-14页 |
| 1.3 国内外研究现状 | 第14-16页 |
| 1.4 论文主要工作与组织结构 | 第16-18页 |
| 第2章 特征工程 | 第18-32页 |
| 2.1 问题描述 | 第18-19页 |
| 2.2 数据介绍 | 第19-21页 |
| 2.2.1 数据来源 | 第19页 |
| 2.2.2 数据简介 | 第19-21页 |
| 2.2.3 数据范围 | 第21页 |
| 2.3 特征构建 | 第21-26页 |
| 2.3.1 挖掘有价值的数据——特征 | 第21-22页 |
| 2.3.2 特征分析 | 第22-26页 |
| 2.4 特征提取 | 第26-30页 |
| 2.4.1 特征分类 | 第26-28页 |
| 2.4.2 提取规则 | 第28-30页 |
| 2.5 数据预处理 | 第30-31页 |
| 2.5.1 特征编码与异常值处理 | 第30页 |
| 2.5.2 特征降维 | 第30-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第3章 短期意图模型 | 第32-45页 |
| 3.1 项目开发环境介绍 | 第32-33页 |
| 3.1.1 京东大数据平台 | 第32页 |
| 3.1.2 可伸缩式弹性云计算 | 第32-33页 |
| 3.1.3 Apache Spark | 第33页 |
| 3.1.4 本地运行环境搭建 | 第33页 |
| 3.2 单一品类下用户购买意向预测 | 第33-40页 |
| 3.2.1 模型评价指标 | 第33-34页 |
| 3.2.2 基于LR的分类预测模型 | 第34-35页 |
| 3.2.3 模型评估 | 第35-38页 |
| 3.2.4 GBDT与LR的预测效果对比 | 第38-40页 |
| 3.3 全品类用户购买意向预测 | 第40-44页 |
| 3.3.1 根据特征相似度降维 | 第40-42页 |
| 3.3.2 模型评估 | 第42-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 模型优化与成果展示 | 第45-51页 |
| 4.1 特征优化 | 第45-46页 |
| 4.1.1 新增用户画像特征 | 第45页 |
| 4.1.2 效果对比 | 第45-46页 |
| 4.2 模型优化 | 第46-47页 |
| 4.2.1 模型融合 | 第46-47页 |
| 4.2.2 效果对比 | 第47页 |
| 4.3 研究成果展示 | 第47-50页 |
| 4.3.1 应用场景说明 | 第48-49页 |
| 4.3.2 应用效果展示 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 5.1 总结 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表学术论文和参加科研情况 | 第57-58页 |
| 学位论文评阅及答辩情况表 | 第58页 |
