基于用户交易数据的团购推荐系统的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 研究目标及意义 | 第9-11页 |
| 1.4 主要内容及结构 | 第11-12页 |
| 1.4.1 研究主要内容 | 第11页 |
| 1.4.2 本文组织结构 | 第11-12页 |
| 1.5 本章小结 | 第12-13页 |
| 第二章 相关理论与技术基础 | 第13-33页 |
| 2.1 团购网站概述 | 第13-16页 |
| 2.1.1 团购网站的兴起 | 第13页 |
| 2.1.2 团购网站的运营模式分析 | 第13-15页 |
| 2.1.3 现有团购网站的盈利模式分析 | 第15-16页 |
| 2.2 个性化推荐系统概述 | 第16-19页 |
| 2.2.1 个性化推荐系统概念 | 第16页 |
| 2.2.2 个性化推荐系统框架 | 第16页 |
| 2.2.3 个性化推荐系统主研方向 | 第16-17页 |
| 2.2.4 个性化推荐系统评价指标 | 第17-19页 |
| 2.3 协同过滤技术概述 | 第19-21页 |
| 2.3.1 协调过滤技术简介 | 第19页 |
| 2.3.2 基于用户的协同过滤 | 第19-20页 |
| 2.3.3 基于项目的协同过滤 | 第20-21页 |
| 2.4 词向量概述 | 第21-25页 |
| 2.4.1 词向量概念 | 第21-22页 |
| 2.4.2 Word2Vector模型 | 第22-25页 |
| 2.5 基于内容的推荐 | 第25-26页 |
| 2.6 相似度计算 | 第26-29页 |
| 2.6.1 余弦相似度 | 第26-29页 |
| 2.6.2 欧式距离 | 第29页 |
| 2.7 相关开发技术 | 第29-31页 |
| 2.7.1 Hive与HiveSQL简介 | 第29-30页 |
| 2.7.2 Shell简介 | 第30页 |
| 2.7.3 PHP简介 | 第30-31页 |
| 2.7.4 Hadoop简介 | 第31页 |
| 2.8 本章小结 | 第31-33页 |
| 第三章 基于用户交易数据的推荐系统研究 | 第33-44页 |
| 3.1 整体结构概述 | 第33-34页 |
| 3.2 离线计算部分 | 第34-41页 |
| 3.2.1 数据源收集 | 第35-36页 |
| 3.2.2 基于用户协同过滤推荐 | 第36-37页 |
| 3.2.3 基于内容及用户喜好推荐 | 第37-39页 |
| 3.2.4 基于门店词向量推荐 | 第39页 |
| 3.2.5 计算结果汇总 | 第39-40页 |
| 3.2.6 全局召回 | 第40-41页 |
| 3.3 在线查询部分 | 第41-43页 |
| 3.4 本章小节 | 第43-44页 |
| 第四章 基于用户交易数据的推荐系统实现 | 第44-69页 |
| 4.1 系统实现平台 | 第44页 |
| 4.2 主体模块功能实现 | 第44-68页 |
| 4.2.1 数据源模块功能实现 | 第44-47页 |
| 4.2.2 离线计算模块功能实现 | 第47-67页 |
| 4.2.3 在线查询模块功能实现 | 第67-68页 |
| 4.3 本章小结 | 第68-69页 |
| 第五章 实验及结论 | 第69-75页 |
| 5.1 算法测试方案及结果分析 | 第69-73页 |
| 5.1.1 协同过滤推荐算法评测 | 第69-70页 |
| 5.1.2 基于门店词向量算法评测 | 第70-71页 |
| 5.1.3 基于内容推荐算法评测 | 第71-72页 |
| 5.1.4 算法合并结果评测 | 第72-73页 |
| 5.2 整体性能评估及结果分析 | 第73-74页 |
| 5.3 本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 致谢 | 第79页 |
