| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究目的及意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 数据预处理 | 第13页 |
| 1.3.2 特征提取与训练分类器 | 第13-14页 |
| 1.4 本文的研究内容 | 第14-15页 |
| 1.5 本文的结构路线 | 第15-17页 |
| 第二章 数据处理 | 第17-23页 |
| 2.1 重复购买的定义 | 第17页 |
| 2.2 数据源介绍 | 第17-18页 |
| 2.3 数据探查 | 第18-20页 |
| 2.3.1 客户对商品的交互行为分布 | 第18-19页 |
| 2.3.2 客户年龄分布 | 第19页 |
| 2.3.3 行为日志信息 | 第19-20页 |
| 2.3.4 客户性别分布 | 第20页 |
| 2.4 数据清洗 | 第20-22页 |
| 2.4.1 客户日志缺失值填充 | 第21-22页 |
| 2.4.2 客户信息缺失值填充 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于SVM与随机森林的组合预测模型 | 第23-32页 |
| 3.1 特征工程 | 第23-25页 |
| 3.2 特征的归一化处理 | 第25-27页 |
| 3.3 模型建立 | 第27-31页 |
| 3.3.1 算法原理描述 | 第27-30页 |
| 3.3.2 模型介绍 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第四章 基于深度神经网络的购买预测模型 | 第32-51页 |
| 4.1 特征工程 | 第32-35页 |
| 4.1.1 特征设计思路 | 第32-33页 |
| 4.1.3 特征构造展示 | 第33-35页 |
| 4.2 词嵌入简介 | 第35-38页 |
| 4.3 深度神经网络简介 | 第38-45页 |
| 4.3.1 深度神经网络的结构 | 第38-40页 |
| 4.3.2 深度神经网络的前向传播算法 | 第40-42页 |
| 4.3.3 深度神经网络的反向传导算法 | 第42-45页 |
| 4.4 重复购买预测模型介绍 | 第45-48页 |
| 4.5 基于在线难例挖掘(OHEM)的损失函数设计 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第五章 实验与分析 | 第51-59页 |
| 5.1 模型的评估指标 | 第51-52页 |
| 5.1.1 ROC曲线 | 第51-52页 |
| 5.1.2 AUC指标 | 第52页 |
| 5.2 基于SVM与随机森林的组合预测模型 | 第52-55页 |
| 5.3 基于深度神经网络的预测模型 | 第55-57页 |
| 5.3.1 词向量长度的选择 | 第55-56页 |
| 5.3.2 损失函数的有效性 | 第56-57页 |
| 5.4 三种模型的对比与融合 | 第57页 |
| 5.5 本章小结 | 第57-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读硕士学位期间取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附件 | 第68页 |