基于零售信息挖掘下面向消费市场的精准推送模型设计与研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及研究意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究目的及意义 | 第9-10页 |
| 1.2 国内外研究及发展现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.4 论文框架 | 第13-14页 |
| 第二章 理论基础和相关概念 | 第14-21页 |
| 2.1 云模型理论基础和相关概念 | 第14-17页 |
| 2.1.1 云模型的定义 | 第14页 |
| 2.1.2 云模型相关概念 | 第14-17页 |
| 2.2 RFM模型理论基础和相关概念 | 第17-20页 |
| 2.2.1 RFM模型相关概念 | 第17-19页 |
| 2.2.2 基于RFM客户细分应用概述 | 第19-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 基于海量数据的抽样研究 | 第21-32页 |
| 3.1 海量数据抽样研究概述 | 第21-22页 |
| 3.2 海量数据背景下的抽样方法比较 | 第22-24页 |
| 3.3 基于海量数据背景下的分层抽样设计 | 第24-31页 |
| 3.3.1 确定分层标志和界限 | 第24-28页 |
| 3.3.2 如何确定分层的层数 | 第28-29页 |
| 3.3.3 选择什么样的样本分配方法 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于云模型与本体的用户画像分析与研究 | 第32-47页 |
| 4.1 用户画像研究概述 | 第32-33页 |
| 4.1.1 用户画像定义 | 第32页 |
| 4.1.2 用户画像标签体系 | 第32-33页 |
| 4.2 用户画像建模分析与研究 | 第33-38页 |
| 4.2.1 用户定量画像 | 第33-34页 |
| 4.2.2 基于本体的用户定性画像 | 第34-36页 |
| 4.2.3 基于云模型的用户定性画像 | 第36-38页 |
| 4.3 群体用户画像分析与研究 | 第38-46页 |
| 4.3.1 基于RFM模型的用户价值画像创建流程 | 第38-40页 |
| 4.3.2 用户画像标签存储分析 | 第40-44页 |
| 4.3.3 云模型聚类分析 | 第44-46页 |
| 4.4 本章总结 | 第46-47页 |
| 第五章 零售信息挖掘下的推送模型设计与案例分析 | 第47-68页 |
| 5.1 推送模型架构分析 | 第47-48页 |
| 5.2 海量零售信息处理案例分析 | 第48-53页 |
| 5.2.1 数据说明 | 第50页 |
| 5.2.2 抽样过程 | 第50-53页 |
| 5.3 用户画像建模案例分析 | 第53-59页 |
| 5.3.1 云模型用户价值画像模型构建过程 | 第53-56页 |
| 5.3.2 用户个体画像模型构建过程 | 第56-59页 |
| 5.4 云模型画像聚类与本体推理案例分析 | 第59-65页 |
| 5.4.1 基于云模型的用户价值画像聚类案例分析 | 第59-63页 |
| 5.4.2 基于本体推理的用户个体画像案例分析 | 第63-65页 |
| 5.5 精准推送模型应用分析 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 本文工作总结 | 第68-69页 |
| 6.2 不足与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的研究成果 | 第74页 |
