| 摘要 | 第2-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-17页 |
| 第一节 研究背景与研究意义 | 第8-9页 |
| 一、研究背景 | 第8-9页 |
| 二、研究意义 | 第9页 |
| 第二节 文献综述 | 第9-13页 |
| 一、关于文本挖掘的研究综述 | 第9-11页 |
| 二、关于集成学习的研究综述 | 第11-12页 |
| 三、国内外文献述评 | 第12-13页 |
| 第三节 本文研究思路与框架 | 第13-15页 |
| 一、研究思路 | 第13页 |
| 二、研究框架 | 第13-15页 |
| 第四节 研究难点与可能的创新点 | 第15-17页 |
| 一、研究难点 | 第15页 |
| 二、可能的创新点 | 第15-17页 |
| 第二章 外卖订单出餐时长预测相关分析方法理论阐述 | 第17-24页 |
| 第一节 文本挖掘理论 | 第17-19页 |
| 一、文本特征提取 | 第17-19页 |
| 二、文本特征融合 | 第19页 |
| 第二节 集成学习理论 | 第19-24页 |
| 一、集成学习概述 | 第19-20页 |
| 二、GBRT算法、XGBoost算法和随机森林算法 | 第20-24页 |
| 第三章 外卖配送平台订单数据处理与特征工程 | 第24-40页 |
| 第一节 数据基本概况 | 第24-26页 |
| 一、出餐时长概念界定 | 第24页 |
| 二、来源数据基本处理 | 第24-26页 |
| 第二节 数据清洗 | 第26-30页 |
| 一、基于业务规则的数据清洗 | 第26-29页 |
| 二、模型预训练清洗数据 | 第29-30页 |
| 第三节 影响出餐时长的基础特征构建与选择 | 第30-37页 |
| 一、影响出餐时长的基础特征构建 | 第31-35页 |
| 二、影响出餐时长的特征选择与变换 | 第35-37页 |
| 第四节 影响出餐时长的文本特征提取 | 第37-40页 |
| 一、餐品文本分词与关键词提取 | 第37-39页 |
| 二、建立词空间的映射关系 | 第39页 |
| 三、文本特征与基础特征的融合 | 第39-40页 |
| 第四章 基于加权融合集成学习的出餐时长预测模型构建与实时预测 | 第40-55页 |
| 第一节 出餐时长预测模型的评价指标与方法 | 第40-42页 |
| 一、出餐时长预测模型的评价指标 | 第40页 |
| 二、出餐时长预测模型的评价方法 | 第40-42页 |
| 第二节 基于加权融合集成学习的出餐时长预测模型构建 | 第42-52页 |
| 一、单个集成模型预测出餐时长的探索 | 第42-44页 |
| 二、出餐时长预测模型的多样性增强 | 第44-46页 |
| 三、模型加权融合方案的确定 | 第46-52页 |
| 第三节 基于加权融合集成学习的出餐时长预测模型实时预测 | 第52-55页 |
| 一、基于加权融合集成学习的出餐时长预测模型分布式训练 | 第52-53页 |
| 二、基于加权融合集成学习的出餐时长预测模型部署 | 第53-55页 |
| 第五章 结论及展望 | 第55-57页 |
| 第一节 全文总结 | 第55-56页 |
| 第二节 研究不足与展望 | 第56-57页 |
| 一、研究不足 | 第56页 |
| 二、展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
