| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.1.1 论文研究背景 | 第12-13页 |
| 1.1.2 论文研究意义 | 第13-14页 |
| 1.2 推荐技术的国内外研究现状 | 第14-15页 |
| 1.3 研究内容及组织结构 | 第15-17页 |
| 1.3.1 论文课题来源 | 第15页 |
| 1.3.2 论文主要研究内容 | 第15-16页 |
| 1.3.3 论文组织结构 | 第16-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第2章 面向汽车服务生命周期的售前推荐系统需求分析与总体解决方案 | 第18-30页 |
| 2.1 汽车售前推荐系统需求概述 | 第18页 |
| 2.2 汽车协同销售系统对服务支持的不足 | 第18-22页 |
| 2.2.1 销售计划提交流程存在的不足 | 第18-20页 |
| 2.2.2 潜在客户的挖掘和管理 | 第20-22页 |
| 2.3 汽车营销现状 | 第22页 |
| 2.4 汽车售前推荐系统需求分析 | 第22-26页 |
| 2.4.1 系统功能需求分析 | 第22-23页 |
| 2.4.2 系统业务流程分析 | 第23-25页 |
| 2.4.3 系统数据需求分析 | 第25页 |
| 2.4.4 系统非功能需求分析 | 第25-26页 |
| 2.5 汽车售前推荐系统总体解决方案 | 第26页 |
| 2.6 汽车售前推荐系统用例分析 | 第26-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 面向汽车服务生命周期的售前推荐系统概要设计 | 第30-38页 |
| 3.1 汽车售前推荐系统的整体功能设计 | 第30-32页 |
| 3.2 数据仓库的设计与实现 | 第32-37页 |
| 3.2.1 数据仓库概念模型设计 | 第32页 |
| 3.2.2 数据仓库逻辑模型设计 | 第32-34页 |
| 3.2.3 数据仓库物理模型设计 | 第34-36页 |
| 3.2.4 ETL 实现 | 第36-37页 |
| 3.3 本章小结 | 第37-38页 |
| 第4章 面向汽车服务生命周期的售前推荐系统关键技术应用研究 | 第38-51页 |
| 4.1 本文的数据基础及实现需求 | 第38页 |
| 4.2 推荐技术分析 | 第38-44页 |
| 4.2.1 协同过滤推荐技术 | 第38-41页 |
| 4.2.2 基于内容过滤的推荐 | 第41页 |
| 4.2.3 基于人口统计的推荐 | 第41页 |
| 4.2.4 基于效用的推荐 | 第41页 |
| 4.2.5 基于关联规则的推荐 | 第41-44页 |
| 4.3 用户聚类分析 | 第44-47页 |
| 4.3.1 K均值算法 | 第44-45页 |
| 4.3.2 异构值差度量 | 第45-46页 |
| 4.3.3 基于异构值差度量的聚类算法 | 第46-47页 |
| 4.4 推荐模型设计 | 第47-50页 |
| 4.4.1 混合推荐的可行性 | 第47页 |
| 4.4.2 推荐模型设计 | 第47-49页 |
| 4.4.3 推荐模型验证 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 面向汽车服务生命周期的售前推荐系统详细设计及实现 | 第51-67页 |
| 5.1 汽车售前推荐系统的开发环境与开发工具介绍 | 第51页 |
| 5.2 汽车售前推荐系统体系结构 | 第51-52页 |
| 5.3 数据库设计 | 第52-56页 |
| 5.3.1 概念模型设计 | 第52-54页 |
| 5.3.2 逻辑模型设计 | 第54-55页 |
| 5.3.3 数据表设计 | 第55-56页 |
| 5.3.4 存储过程设计 | 第56页 |
| 5.4 汽车售前推荐系统主要功能的具体实现 | 第56-66页 |
| 5.4.1 数据库访问ADO.NET技术具体实现 | 第56-58页 |
| 5.4.2 网络用户捕获功能具体实现 | 第58-59页 |
| 5.4.3 多维统计分析具体实现 | 第59-61页 |
| 5.4.4 基于异构值差度量的聚类功能的具体实现 | 第61-63页 |
| 5.4.5 个性化推荐功能的具体实现 | 第63-65页 |
| 5.4.6 潜在客户管理模块的具体实现 | 第65-66页 |
| 5.5 本章小结 | 第66-67页 |
| 总结与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的学术论文及参与的科研项目 | 第73页 |
