基于融合模型的互联网保险推荐系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 互联网保险研究 | 第11-12页 |
| 1.2.2 推荐系统研究 | 第12-14页 |
| 1.3 研究内容及创新点 | 第14-15页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 创新点 | 第15页 |
| 1.4 论文结构 | 第15-17页 |
| 第二章 理论基础 | 第17-33页 |
| 2.1 保险产品与合同 | 第17-19页 |
| 2.1.1 保险产品分类 | 第17页 |
| 2.1.2 保险合同的要素 | 第17-18页 |
| 2.1.3 互联网保险的优势 | 第18-19页 |
| 2.2 推荐系统研究 | 第19-27页 |
| 2.2.1 协同过滤 | 第19-22页 |
| 2.2.1.1 基于内存的协同过滤算法 | 第20页 |
| 2.2.1.2 基于模型的协同过滤算法 | 第20-21页 |
| 2.2.1.3 协同过滤算法面临的问题 | 第21-22页 |
| 2.2.2 基于内容 | 第22-24页 |
| 2.2.3 基于关联规则 | 第24-25页 |
| 2.2.4 基于二部图网络结构 | 第25-26页 |
| 2.2.5 混合推荐算法 | 第26-27页 |
| 2.3 相似度模型研究 | 第27-30页 |
| 2.4 评测指标 | 第30-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 融合推荐模型的构建 | 第33-41页 |
| 3.1 加权模型融合 | 第33-34页 |
| 3.2 协同过滤算法及改进 | 第34-37页 |
| 3.2.1 基于用户的协同过滤算法及改进 | 第34-36页 |
| 3.2.2 基于项目的协同过滤算法及改进 | 第36-37页 |
| 3.3 基于二部图的推荐算法及改进 | 第37-39页 |
| 3.4 基于内容推荐算法 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 实验设计与算法实现 | 第41-48页 |
| 4.1 实验环境 | 第41页 |
| 4.2 数据处理 | 第41-43页 |
| 4.3 算法实现 | 第43-45页 |
| 4.4 推荐系统评价指标 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 数据分析与模型检验 | 第48-56页 |
| 5.1 算法准确度分析 | 第48-51页 |
| 5.2 算法多样性分析 | 第51-52页 |
| 5.3 综合对比 | 第52-53页 |
| 5.4 确定融合权重因子的取值 | 第53-54页 |
| 5.5 常见问题及解决方法 | 第54-55页 |
| 5.6 本章小结 | 第55-56页 |
| 结论与展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 攻读硕士学位期间取得的研究成果 | 第62-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |
