| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.3 论文主要研究内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 第2章 相关工作与理论基础 | 第16-22页 |
| 2.1 用户行为 | 第16-17页 |
| 2.1.1 用户行为数据 | 第16-17页 |
| 2.1.2 用户行为分析 | 第17页 |
| 2.2 机器学习 | 第17-19页 |
| 2.3 排序推荐算法 | 第19-21页 |
| 2.3.1 基于有监督学习方法的排序推荐算法 | 第19-20页 |
| 2.3.2 基于无监督学习方法的排序推荐算法 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于用户行为数据的预处理及特征构建 | 第22-34页 |
| 3.1 数据预处理 | 第22-25页 |
| 3.1.1 数据清洗 | 第22-24页 |
| 3.1.2 数据变换 | 第24-25页 |
| 3.2 用户行为特征初步构建 | 第25-27页 |
| 3.3 特征变换与特征选择 | 第27-30页 |
| 3.3.1 特征变换 | 第28-29页 |
| 3.3.2 特征选择 | 第29-30页 |
| 3.4 基于用户偏好的部分特征动态更新算法 | 第30-33页 |
| 3.4.1 算法原理 | 第30-32页 |
| 3.4.2 算法实现 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 基于用户行为数据的模型构建方法 | 第34-50页 |
| 4.1 划分用户行为数据集 | 第34-37页 |
| 4.2 构建基于用户特征的逻辑回归模型 | 第37-42页 |
| 4.2.1 逻辑回归模型原理 | 第37-39页 |
| 4.2.2 最优化问题及其方法 | 第39-41页 |
| 4.2.3 基于用户特征的逻辑回归模型构建 | 第41-42页 |
| 4.3 构建基于用户特征的支持向量机模型 | 第42-48页 |
| 4.3.1 支持向量机模型原理 | 第43-45页 |
| 4.3.2 序列最小最优化算法 | 第45-47页 |
| 4.3.3 SVM模型构建流程 | 第47-48页 |
| 4.4 算法参数调优 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第5章 基于用户行为的排序推荐算法应用 | 第50-58页 |
| 5.1 基于用户行为的排序推荐算法的实验设计 | 第50-52页 |
| 5.1.1 算法实验环境 | 第50页 |
| 5.1.2 实验总体设计 | 第50-52页 |
| 5.2 实验性能评价标准 | 第52页 |
| 5.3 实验过程分析 | 第52-56页 |
| 5.3.1 实验数据预处理 | 第52-54页 |
| 5.3.2 基于多因素的排序推荐算法的实验结果分析 | 第54-56页 |
| 5.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第64-66页 |
| 致谢 | 第66页 |