基于行为序列的用户兴趣挖掘研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 兴趣挖掘 | 第11-12页 |
| 1.2.2 用户行为分析 | 第12-14页 |
| 1.3 存在的问题 | 第14页 |
| 1.4 论文主要内容 | 第14-15页 |
| 1.5 论文结构 | 第15-16页 |
| 第2章 相关知识介绍 | 第16-24页 |
| 2.1 电商用户行为记录和意义 | 第16页 |
| 2.2 序列数据处理 | 第16-22页 |
| 2.2.1 负例采样算法 | 第17页 |
| 2.2.2 隐式特征学习算法 | 第17-19页 |
| 2.2.3 循环神经网络 | 第19-22页 |
| 2.3 聚类方法 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 基于行为序列的用户兴趣挖掘 | 第24-46页 |
| 3.1 问题的提出 | 第24-25页 |
| 3.2 算法整体设计 | 第25-27页 |
| 3.3 商品的向量表示和粗粒度兴趣 | 第27-32页 |
| 3.3.1 商品向量表示 | 第27-30页 |
| 3.3.2 商品关联性 | 第30-31页 |
| 3.3.3 粗粒度兴趣点 | 第31-32页 |
| 3.4 兴趣商品预测 | 第32-41页 |
| 3.4.1 行为特征 | 第33-35页 |
| 3.4.2 序列特征 | 第35-38页 |
| 3.4.3 兴趣度预测 | 第38-41页 |
| 3.5 兴趣模型 | 第41-44页 |
| 3.5.1 构建兴趣模型 | 第41-43页 |
| 3.5.2 个性化商品推荐 | 第43-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 实验结果与分析 | 第46-64页 |
| 4.1 实验环境 | 第46页 |
| 4.2 实验数据 | 第46-47页 |
| 4.3 数据预处理 | 第47-49页 |
| 4.4 商品向量表示实验 | 第49-53页 |
| 4.4.1 实验设计 | 第49-50页 |
| 4.4.2 评价方法 | 第50-51页 |
| 4.4.3 实验结果 | 第51-53页 |
| 4.5 兴趣商品预测实验 | 第53-58页 |
| 4.5.1 实验设计 | 第53-54页 |
| 4.5.2 评价方法 | 第54页 |
| 4.5.3 实验结果 | 第54-58页 |
| 4.6 基于兴趣模型的推荐 | 第58-63页 |
| 4.6.1 实验设计 | 第58-59页 |
| 4.6.2 评价方法 | 第59页 |
| 4.6.3 实验结果 | 第59-63页 |
| 4.7 本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第71-72页 |
| 致谢 | 第72页 |
