| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.3 研究内容及方法 | 第12-13页 |
| 1.3.1 研究内容 | 第12-13页 |
| 1.3.2 研究方法 | 第13页 |
| 1.4 主要创新点 | 第13-15页 |
| 第二章 相关理论基础 | 第15-29页 |
| 2.1 客户行为分析相关理论介绍 | 第15-16页 |
| 2.1.1 客户细分 | 第15页 |
| 2.1.2 个性化推荐 | 第15-16页 |
| 2.2 数据挖掘简介 | 第16-19页 |
| 2.2.1 数据挖掘概念及特性 | 第16页 |
| 2.2.2 数据挖掘过程 | 第16-19页 |
| 2.3 相关的算法和技术简介 | 第19-26页 |
| 2.3.1 聚类算法 | 第19-22页 |
| 2.3.2 基于内存的协同过滤推荐算法 | 第22-24页 |
| 2.3.3 主成分分析法 | 第24-25页 |
| 2.3.4 层次分析法 | 第25-26页 |
| 2.4 本章小结 | 第26-29页 |
| 第三章 移动手机游戏玩家行为分析模型的构建 | 第29-51页 |
| 3.1 手机游戏玩家终身价值评价指标的构建 | 第29-33页 |
| 3.1.1 登录价值指标 | 第30-31页 |
| 3.1.2 付费价值指标 | 第31-32页 |
| 3.1.3 游戏角色价值指标 | 第32-33页 |
| 3.2 手机游戏玩家新三维细分模型的构建 | 第33-39页 |
| 3.2.1 手机游戏玩家细分现状及其不足 | 第33-34页 |
| 3.2.2 基于玩家价值的玩家分群模型构建 | 第34-35页 |
| 3.2.3 手机游戏玩家价值细分模型的改进 | 第35-37页 |
| 3.2.4 玩家群的价值比较 | 第37-39页 |
| 3.3 手机游戏个性化推荐模型的构建 | 第39-48页 |
| 3.3.1 玩家行为兴趣度模型的构建 | 第39-41页 |
| 3.3.2 基于玩家行为情境的模糊聚类 | 第41-43页 |
| 3.3.3 子空间的划分 | 第43页 |
| 3.3.4 子空间的玩家相似度改进 | 第43-45页 |
| 3.3.5 子空间的整合 | 第45-46页 |
| 3.3.6 个性化游戏推荐流程 | 第46-48页 |
| 3.3.7 推荐效果评估 | 第48页 |
| 3.4 本章小结 | 第48-51页 |
| 第四章 实证研究——以某省移动公司手机游戏玩家数据为例 | 第51-77页 |
| 4.1 公司背景介绍 | 第51页 |
| 4.2 数据来源 | 第51-53页 |
| 4.3 数据准备 | 第53-58页 |
| 4.3.1 数据理解 | 第53-56页 |
| 4.3.2 数据预处理 | 第56-58页 |
| 4.4 手机游戏玩家新三维细分模型的应用 | 第58-67页 |
| 4.4.1 手机游戏玩家分群 | 第58-61页 |
| 4.4.2 手机游戏玩家群细分 | 第61-63页 |
| 4.4.3 手机游戏玩家群的价值比较 | 第63-65页 |
| 4.4.4 各类玩家群的资源配置及维持策略 | 第65-67页 |
| 4.5 手机游戏个性化推荐模型的应用 | 第67-76页 |
| 4.5.1 玩家-游戏评分矩阵的生成 | 第67-68页 |
| 4.5.2 游戏玩家的情境聚类 | 第68-71页 |
| 4.5.3 实验与分析 | 第71-76页 |
| 4.6 本章小结 | 第76-77页 |
| 总结与展望 | 第77-79页 |
| 本文总结 | 第77-78页 |
| 后续研究工作和展望 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 个人简历及科研成果 | 第84页 |