| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究背景和意义 | 第14-16页 |
| 1.1.1 研究背景 | 第14-16页 |
| 1.1.2 研究意义 | 第16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 用户兴趣模型研究现状 | 第16-17页 |
| 1.2.2 网络定向广告研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19-21页 |
| 第二章 相关理论 | 第21-26页 |
| 2.1 特征选择方法 | 第21-22页 |
| 2.2 用户兴趣模型 | 第22-23页 |
| 2.3 向量空间模型 | 第23-24页 |
| 2.4 基于知识图谱的语义相关度计算 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 融合蜂群和梯度提升决策树算法的特征选择方法 | 第26-36页 |
| 3.1 引言 | 第26页 |
| 3.2 特征选择算法 | 第26-29页 |
| 3.2.1 梯度提升决策树算法 | 第26-27页 |
| 3.2.2 人工蜂群算法 | 第27-29页 |
| 3.3 MABC-GBDT方法 | 第29-31页 |
| 3.3.1 算法思想 | 第29页 |
| 3.3.2 算法设计 | 第29-30页 |
| 3.3.3 算法步骤 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-35页 |
| 3.4.1 实验数据集 | 第31-32页 |
| 3.4.2 实验环境及参数设置 | 第32页 |
| 3.4.3 实验结果分析 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 基于用户兴趣的广告精准推荐模型 | 第36-53页 |
| 4.1 引言 | 第36-37页 |
| 4.2 用户数据收集 | 第37-39页 |
| 4.2.1 用户标签数据 | 第37-38页 |
| 4.2.2 用户行为数据 | 第38-39页 |
| 4.3 基于改进VSM的用户兴趣模型 | 第39-44页 |
| 4.3.1 基于中文分词和停用词过滤的标签数据处理 | 第39-41页 |
| 4.3.2 基于MABC-GBDT方法的全网行为特征优化 | 第41-43页 |
| 4.3.3 基于用户全网行为特征的向量空间模型 | 第43-44页 |
| 4.4 基于知识图谱的用户兴趣特征扩展 | 第44-49页 |
| 4.4.1 基于知识图谱的语义相关度算法 | 第45-48页 |
| 4.4.2 扩展特征词权重计算 | 第48页 |
| 4.4.3 用户兴趣模型与广告特征匹配 | 第48-49页 |
| 4.5 实验结果与分析 | 第49-52页 |
| 4.5.1 基于知识图谱的用户兴趣特征语义相关度计算 | 第49-51页 |
| 4.5.2 基于用户兴趣模型的广告投放效果评估 | 第51-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 电子商务广告推荐系统设计与实现 | 第53-64页 |
| 5.1 引言 | 第53页 |
| 5.2 系统需求分析与结构设计 | 第53-56页 |
| 5.2.1 需求分析 | 第53-54页 |
| 5.2.2 系统流程设计 | 第54-55页 |
| 5.2.3 系统总体架构设计 | 第55-56页 |
| 5.2.4 系统功能模块设计 | 第56页 |
| 5.3 电子商务广告推荐系统的实现 | 第56-63页 |
| 5.3.1 系统开发环境与技术 | 第56-57页 |
| 5.3.2 广告推荐系统模块展示 | 第57-61页 |
| 5.3.3 广告推荐系统推荐效果展示 | 第61-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 总结和展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 个人简介 | 第70-71页 |
| 攻读硕士学位期间的学术活动及成果 | 第71页 |
