| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 用户行为分析 | 第11-12页 |
| 1.2.2 用户画像 | 第12-13页 |
| 1.3 论文结构和内容 | 第13-14页 |
| 第二章 关键技术和相关概念 | 第14-25页 |
| 2.1 机器学习相关算法 | 第14-21页 |
| 2.1.1 分类算法 | 第14-17页 |
| 2.1.2 word2vec | 第17-21页 |
| 2.2 用户画像相关技术 | 第21-22页 |
| 2.3 数据分布式处理和可视化相关技术 | 第22-24页 |
| 2.3.1 Hadoop平台相关技术 | 第22-23页 |
| 2.3.2 Django | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 汽车行业用户留资行为预测模型研究 | 第25-47页 |
| 3.1 任务描述 | 第25-26页 |
| 3.2 汽车行业流量数据集构建 | 第26-29页 |
| 3.2.1 电信DPI流量数据 | 第26-27页 |
| 3.2.2 汽车网站爬虫数据 | 第27-29页 |
| 3.3 用户留资行为预测模型系统架构 | 第29-30页 |
| 3.4 预测模型验证实验设计 | 第30-32页 |
| 3.4.1 数据的预处理 | 第30-31页 |
| 3.4.2 滑动窗口策略 | 第31-32页 |
| 3.5 特征提取 | 第32-39页 |
| 3.5.1 基于SL提取特征 | 第33-35页 |
| 3.5.2 基于UIB-RLW方法提取用户行为特征 | 第35-39页 |
| 3.6 实验结果分析 | 第39-46页 |
| 3.6.1 实验设置 | 第39-40页 |
| 3.6.2 实验结果评价指标 | 第40-41页 |
| 3.6.3 实验结果分析 | 第41-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第四章 汽车行业用户画像系统 | 第47-59页 |
| 4.1 用户画像系统整体框架 | 第47-48页 |
| 4.2 用户画像标签设计和获取 | 第48-51页 |
| 4.2.1 用户画像标签的设计 | 第48-49页 |
| 4.2.2 群体画像标签的获取和权重计算 | 第49-51页 |
| 4.3 数据可视化平台 | 第51-56页 |
| 4.3.1 数据可视化平台的框架 | 第52-54页 |
| 4.3.2 可视化平台的功能和实现 | 第54-56页 |
| 4.4 汽车行业洞察分析 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 工作总结与展望 | 第59-61页 |
| 5.1 论文工作总结 | 第59页 |
| 5.2 问题和展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间取得的研究成果 | 第65页 |