| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.1.1 课题研究背景 | 第11-12页 |
| 1.1.2 研究目的及意义 | 第12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 用户行为研究现状 | 第12-13页 |
| 1.2.2 购买行为研究现状 | 第13-14页 |
| 1.3 论文期间的主要工作及成果 | 第14-15页 |
| 1.4 论文组织结构 | 第15页 |
| 1.5 本章小结 | 第15-17页 |
| 第二章 基础理论和关键技术 | 第17-36页 |
| 2.1 客户端开发框架及组件介绍 | 第17-22页 |
| 2.1.1 MVP架构简介 | 第17-19页 |
| 2.1.2 网络访问框架Retrofit2与okhttp的结合 | 第19-20页 |
| 2.1.3 网络图片缓存组件fresco | 第20-21页 |
| 2.1.4 本地数据存储sqllite | 第21-22页 |
| 2.2 日志采集技术 | 第22-26页 |
| 2.2.1 web日志挖掘与数据采集 | 第23-24页 |
| 2.2.2 埋点技术介绍 | 第24-25页 |
| 2.2.3 三种常见的埋点方式 | 第25-26页 |
| 2.3 数据分析方法 | 第26-29页 |
| 2.3.1 分类分析 | 第26-28页 |
| 2.3.2 聚类分析 | 第28-29页 |
| 2.3.3 关联分析 | 第29页 |
| 2.4 购买行为分析关键技术 | 第29-34页 |
| 2.4.1 GBDT算法 | 第30-33页 |
| 2.4.2 模型融合方式 | 第33-34页 |
| 2.5 本章小结 | 第34-36页 |
| 第三章 APP日志采集与用户行为分析模式设计 | 第36-51页 |
| 3.1 需求分析 | 第36页 |
| 3.2 APP日志采集与用户行为分析架构设计 | 第36-37页 |
| 3.3 APP客户端功能模块设计 | 第37-41页 |
| 3.3.1 用户模块 | 第38-39页 |
| 3.3.2 商品推荐展示模块 | 第39-40页 |
| 3.3.3 购物车模块 | 第40-41页 |
| 3.3.4 订单模块 | 第41页 |
| 3.4 数据采集模块 | 第41-45页 |
| 3.4.1 数据采集指标分析 | 第41-42页 |
| 3.4.2 购买行为数据采集详细内容设计 | 第42页 |
| 3.4.3 前端埋点方案的设计 | 第42-43页 |
| 3.4.4 特征工程模块 | 第43-45页 |
| 3.5 购买行为预测 | 第45-51页 |
| 3.5.1 模型评估指标介绍 | 第45-46页 |
| 3.5.2 基于LightGBM算法的模型构建 | 第46-47页 |
| 3.5.3 基于逻辑斯蒂回归算法的预测模型构建 | 第47-49页 |
| 3.5.4 模型的融合 | 第49-50页 |
| 3.5.5 本章小结 | 第50-51页 |
| 第四章 基于APP的日志采集与用户行为分析研究实现 | 第51-70页 |
| 4.1 开发环境与框架结构 | 第51-52页 |
| 4.1.1 开发环境介绍 | 第51页 |
| 4.1.2 方案架构的设计实现 | 第51-52页 |
| 4.2 客户端开发实现 | 第52-59页 |
| 4.2.1 用户模块的开发实现 | 第52-55页 |
| 4.2.2 商品展示模块的实现 | 第55页 |
| 4.2.3 购物车模块的实现 | 第55-56页 |
| 4.2.4 订单模块的实现 | 第56-57页 |
| 4.2.5 服务器端开发 | 第57-59页 |
| 4.3 日志采集与特征工程 | 第59-64页 |
| 4.3.1 客户端日志的采集 | 第59-61页 |
| 4.3.2 特征工程处理 | 第61-64页 |
| 4.4 购买行为分析实现 | 第64-68页 |
| 4.4.1 训练集和测试集的抽样构建 | 第64-65页 |
| 4.4.2 逻辑斯蒂回归算法对购买行为的分析 | 第65-66页 |
| 4.4.3 GBDT算法对购买行为的分析 | 第66-67页 |
| 4.4.4 LightGBM+LR的模型融合与各模型对比 | 第67-68页 |
| 4.5 本章小结 | 第68-70页 |
| 第五章 总结和展望 | 第70-72页 |
| 5.1 论文总结 | 第70-71页 |
| 5.2 研究展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
