面向在线用户消费行为理解的数据挖掘方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第17-27页 |
| 1.1 研究背景及意义 | 第17-20页 |
| 1.2 本研究工作面临的主要挑战 | 第20-21页 |
| 1.3 研究内容 | 第21-24页 |
| 1.4 组织结构 | 第24-27页 |
| 第二章 研究现状与相关研究工作概述 | 第27-39页 |
| 2.1 引言 | 第27页 |
| 2.2 用户消费行为研究 | 第27-28页 |
| 2.3 面向用户兴趣建模的推荐算法研究 | 第28-32页 |
| 2.4 社交情境下用户消费行为理解建模 | 第32-36页 |
| 2.5 用户消费行为及社交情境联合建模 | 第36-37页 |
| 2.6 结语 | 第37-39页 |
| 第三章 基于用户兴趣建模的消费行为理解与推荐算法 | 第39-81页 |
| 3.1 面向精准度的兴趣建模方法 | 第39-48页 |
| 3.1.1 引言 | 第40-42页 |
| 3.1.2 相关工作 | 第42-43页 |
| 3.1.3 问题定义及框架概述 | 第43-44页 |
| 3.1.4 邻居感知的矩阵分解框架学习过程 | 第44-48页 |
| 3.2 面向多样性的兴趣建模方法 | 第48-63页 |
| 3.2.1 引言 | 第48-50页 |
| 3.2.2 预备知识及问题定义 | 第50-54页 |
| 3.2.3 REC框架描述 | 第54-62页 |
| 3.2.4 相关工作 | 第62-63页 |
| 3.3 实验分析 | 第63-78页 |
| 3.3.1 面向精准度的兴趣建模方法预测性能 | 第63-69页 |
| 3.3.2 面向多样性的兴趣建模方法预测性能 | 第69-78页 |
| 3.4 本章小结 | 第78-81页 |
| 第四章 社交情境下的用户消费建模及预测 | 第81-117页 |
| 4.1 社交情境下的手机消费情况建模 | 第81-91页 |
| 4.1.1 引言 | 第81-83页 |
| 4.1.2 数据描述及问题定义 | 第83-85页 |
| 4.1.3 社交网络下的SHIP模型 | 第85-90页 |
| 4.1.4 相关工作 | 第90-91页 |
| 4.2 社交情境下的产品使用率建模 | 第91-102页 |
| 4.2.1 引言 | 第91-92页 |
| 4.2.2 问题定义 | 第92-95页 |
| 4.2.3 典型使用率因素提取 | 第95-96页 |
| 4.2.4 不同假设下的产品使用率模型 | 第96-101页 |
| 4.2.5 相关工作 | 第101-102页 |
| 4.3 实验分析 | 第102-114页 |
| 4.3.1 社交情境下的手机消费情况性能预测 | 第102-108页 |
| 4.3.2 社交情境下的产品使用率性能预测 | 第108-114页 |
| 4.4 本章小结 | 第114-117页 |
| 第五章 用户消费行为与社交行为的联合演化建模 | 第117-137页 |
| 5.1 引言 | 第117-120页 |
| 5.2 相关工作 | 第120-121页 |
| 5.3 问题定义 | 第121页 |
| 5.4 社交服务平台的联合演化模型 | 第121-128页 |
| 5.4.1 用户两种行为的联合概率模型 | 第122-125页 |
| 5.4.2 模型学习及预测 | 第125-128页 |
| 5.4.3 模型复杂度分析 | 第128页 |
| 5.5 实验分析 | 第128-135页 |
| 5.5.1 数据描述及实验设置 | 第129-131页 |
| 5.5.2 用户消费行为预测性能 | 第131页 |
| 5.5.3 用户社交行为预测性能 | 第131-133页 |
| 5.5.4 社交服务平台演变理解 | 第133-134页 |
| 5.5.5 参数设置 | 第134-135页 |
| 5.6 本章小结 | 第135-137页 |
| 第六章 总结与展望 | 第137-141页 |
| 6.1 工作总结 | 第137-139页 |
| 6.2 未来展望 | 第139-141页 |
| 参考文献 | 第141-157页 |
| 致谢 | 第157-161页 |
| 在读期间发表的学术论文与取得的研究成果 | 第161-163页 |
