基于移动终端应用的用户属性预测
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 本课题的研究背景和意义 | 第11-12页 |
| 1.2 用户属性预测的国内外研究现状 | 第12-14页 |
| 1.2.1 基于搜索浏览的用户属性研究 | 第12-13页 |
| 1.2.2 基于社交网络的用户属性研究 | 第13页 |
| 1.2.3 基于移动终端的用户属性研究 | 第13-14页 |
| 1.3 论文的研究内容及层次结构安排 | 第14-16页 |
| 第二章 相关技术及分类算法 | 第16-27页 |
| 2.1 相关技术 | 第16-19页 |
| 2.1.1 词袋模型 | 第16页 |
| 2.1.2 朴素贝叶斯 | 第16-18页 |
| 2.1.3 TF-IDF | 第18-19页 |
| 2.2 分类算法 | 第19-26页 |
| 2.2.1 Logistic回归 | 第19-21页 |
| 2.2.2 随机森林 | 第21-23页 |
| 2.2.3 XGboost | 第23-26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 用户属性及数据预处理 | 第27-39页 |
| 3.1 用户属性定义 | 第27-28页 |
| 3.2 实验数据预处理 | 第28-34页 |
| 3.2.1 APP数据处理 | 第29-32页 |
| 3.2.2 模型评价指标 | 第32-34页 |
| 3.3 常用算法结果对比 | 第34-38页 |
| 3.3.1 基于APP类型预测框架 | 第34-35页 |
| 3.3.2 APP分类对结果的影响 | 第35页 |
| 3.3.3 用户数量对结果的影响 | 第35-37页 |
| 3.3.4 预测结果对比 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 用户属性预测 | 第39-53页 |
| 4.1 APP权重更新 | 第39-40页 |
| 4.2 隐性信息提取 | 第40-44页 |
| 4.2.1 pLSA | 第40-42页 |
| 4.2.2 LDA | 第42-44页 |
| 4.3 用户属性预测模型 | 第44-52页 |
| 4.3.1 基于APP主题预测框架 | 第45页 |
| 4.3.2 隐性主题提取 | 第45-47页 |
| 4.3.3 用户属性模型 | 第47-48页 |
| 4.3.4 混合协同预测算法 | 第48-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 实验结果分析 | 第53-63页 |
| 5.1 数据集分析 | 第53-57页 |
| 5.2 参数优化 | 第57-60页 |
| 5.2.1 主题参数优化 | 第57-58页 |
| 5.2.2 协同算法参数优化 | 第58-60页 |
| 5.3 预测结果分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间发表的论文和专利 | 第68-70页 |
| 致谢 | 第70页 |
