| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第15-21页 |
| 1.1 研究背景 | 第15-16页 |
| 1.2 主要研究挑战 | 第16-17页 |
| 1.2.1 多源异构信息融合的挑战 | 第16-17页 |
| 1.2.2 兴趣与能力不匹配的挑战 | 第17页 |
| 1.3 国内外研究现状 | 第17-18页 |
| 1.4 主要研究工作 | 第18-19页 |
| 1.5 组织结构 | 第19-21页 |
| 第2章 从移动和消费记录挖掘大学生的经济能力 | 第21-46页 |
| 2.1 引言 | 第21-23页 |
| 2.2 相关工作 | 第23-24页 |
| 2.3 多源异构的信息提取 | 第24-31页 |
| 2.3.1 智能卡使用行为 | 第24-28页 |
| 2.3.2 上网行为 | 第28-29页 |
| 2.3.3 离散化的移动轨迹 | 第29-31页 |
| 2.4 多角度分析的经济能力挖掘方法 | 第31-39页 |
| 2.4.1 框架概述 | 第33-34页 |
| 2.4.2 多标签分类的目标函数 | 第34-37页 |
| 2.4.3 参数学习方法 | 第37-39页 |
| 2.5 实验结果 | 第39-45页 |
| 2.5.1 基于F_1得分的自适应阈值 | 第42-43页 |
| 2.5.2 多源特征的比较 | 第43-45页 |
| 2.5.3 总体实验效果分析 | 第45页 |
| 2.6 木章小结 | 第45-46页 |
| 第3章 从App的使用行为挖掘用户对新产品的接受能力 | 第46-59页 |
| 3.1 引言 | 第46-47页 |
| 3.2 相关工作 | 第47-48页 |
| 3.3 基于迁移学习的跨领域推荐算法 | 第48-54页 |
| 3.3.1 算法概述 | 第50-53页 |
| 3.3.2 优化方法 | 第53-54页 |
| 3.4 实验结果 | 第54-58页 |
| 3.4.1 实验设置 | 第54-55页 |
| 3.4.2 实验结果及分析 | 第55-57页 |
| 3.4.3 小样品分析 | 第57-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 基于歌唱记录挖掘用户的声音能力 | 第59-86页 |
| 4.1 引言 | 第59-60页 |
| 4.2 相关工作 | 第60-62页 |
| 4.3 数据和特征提取 | 第62-68页 |
| 4.3.1 多角度评分与总体评分 | 第63页 |
| 4.3.2 基于多核函数的特征表示 | 第63-68页 |
| 4.4 基于最大边界的联合模型 | 第68-75页 |
| 4.4.1 模型概述 | 第69-72页 |
| 4.4.2 参数推导方法 | 第72-73页 |
| 4.4.3 上下界的分析 | 第73-75页 |
| 4.5 实验结果 | 第75-84页 |
| 4.5.1 实验设置 | 第75-78页 |
| 4.5.2 算法评估 | 第78-81页 |
| 4.5.3 隐含矩阵因子的有效性 | 第81-82页 |
| 4.5.4 总体实验效果分析 | 第82-84页 |
| 4.6 本章小结 | 第84-86页 |
| 第5章 结论和展望 | 第86-89页 |
| 5.1 结论和相关成果 | 第86-87页 |
| 5.2 未来工作 | 第87-89页 |
| 参考文献 | 第89-101页 |
| 致谢 | 第101-102页 |
| 在读期间发表的学术论文与取得的研究成果 | 第102-103页 |