基于跨平台移动用户数据的行为预测
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 引言 | 第12-14页 |
| 1.2 相关研究 | 第14-16页 |
| 1.3 本文研究内容及主要贡献 | 第16-18页 |
| 第2章 电子设备上用户的app使用量的长期预测 | 第18-44页 |
| 2.1 引言 | 第18-20页 |
| 2.2 研究现状 | 第20-22页 |
| 2.2.1 app使用的预测和推荐 | 第20-21页 |
| 2.2.2 张量分解和时间序列 | 第21-22页 |
| 2.3 问题设定 | 第22-24页 |
| 2.3.1 app使用中的模式探究 | 第22-23页 |
| 2.3.2 问题定义 | 第23-24页 |
| 2.4 方法 | 第24-32页 |
| 2.4.1 4维张量分解 | 第25页 |
| 2.4.2 周期性自回归分析 | 第25-29页 |
| 2.4.3 CCF模型 | 第29-30页 |
| 2.4.4 参数优化 | 第30-32页 |
| 2.5 实验验证 | 第32-42页 |
| 2.5.1 实验数据处理 | 第32-33页 |
| 2.5.2 基准算法 | 第33-34页 |
| 2.5.3 度量标准 | 第34页 |
| 2.5.4 实验设计 | 第34-35页 |
| 2.5.5 实验结果 | 第35-42页 |
| 2.6 讨论 | 第42-43页 |
| 2.6.1 影响和局限性 | 第42页 |
| 2.6.2 隐私问题 | 第42-43页 |
| 2.7 本章结论 | 第43-44页 |
| 第3章 使用异质数据预测用户的位置 | 第44-72页 |
| 3.1 引言 | 第44-47页 |
| 3.2 研究现状 | 第47-50页 |
| 3.2.1 移动行为的预测 | 第47页 |
| 3.2.2 位置预测模型 | 第47-50页 |
| 3.3 方法 | 第50-62页 |
| 3.3.1 综述 | 第50-54页 |
| 3.3.2 通过重力模型挖掘地点特征 | 第54-57页 |
| 3.3.3 RCH模型 | 第57-62页 |
| 3.4 实验验证 | 第62-70页 |
| 3.4.1 实验数据 | 第62-64页 |
| 3.4.2 度量标准 | 第64-65页 |
| 3.4.3 基准算法 | 第65-66页 |
| 3.4.4 参数设定 | 第66页 |
| 3.4.5 实验结果 | 第66-70页 |
| 3.5 本章结论 | 第70-72页 |
| 第4章 利用移动数据帮助预测人群慢性疾病演化状态 | 第72-94页 |
| 4.1 引言 | 第72-75页 |
| 4.2 研究现状 | 第75-77页 |
| 4.2.1 疾病预测 | 第75-76页 |
| 4.2.2 用户行为分析 | 第76-77页 |
| 4.2.3 主题模型和高斯混合模型 | 第77页 |
| 4.3 疾病演化率的预测 | 第77-85页 |
| 4.3.1 问题定义 | 第77-79页 |
| 4.3.2 综述 | 第79页 |
| 4.3.3 地点聚合 | 第79-82页 |
| 4.3.4 协同主题模型 | 第82-84页 |
| 4.3.5 模型优化 | 第84-85页 |
| 4.4 实验验证 | 第85-91页 |
| 4.4.1 实验数据 | 第85-86页 |
| 4.4.2 度量标准 | 第86-87页 |
| 4.4.3 基准模型 | 第87页 |
| 4.4.4 实验结果 | 第87-91页 |
| 4.5 生活方式和慢性疾病 | 第91-93页 |
| 4.6 本章结论 | 第93-94页 |
| 第5章 结论和展望 | 第94-97页 |
| 5.1 结论和成果 | 第94-95页 |
| 5.2 未来展望 | 第95-97页 |
| 参考文献 | 第97-106页 |
| 致谢 | 第106-108页 |
| 在读期间发表的学术论文与取得的研究成果 | 第108-109页 |
