| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-20页 |
| 1.1 研究的背景及意义 | 第11-13页 |
| 1.2 国内外研究现状及分析 | 第13-17页 |
| 1.2.1 人类动力学研究进展 | 第13-15页 |
| 1.2.2 个性化推荐研究进展 | 第15-17页 |
| 1.3 论文的主要工作 | 第17-18页 |
| 1.4 论文的结构安排 | 第18-20页 |
| 第二章 基于证券理财产品的用户行为分析 | 第20-28页 |
| 2.1 引言 | 第20页 |
| 2.2 数据说明 | 第20-21页 |
| 2.3 基础数据统计 | 第21-24页 |
| 2.3.1 用户购买次数分布 | 第21-22页 |
| 2.3.2 理财产品销售次数分布 | 第22-24页 |
| 2.3.3 用户活跃性分析 | 第24页 |
| 2.4 人类动力学指标统计 | 第24-27页 |
| 2.4.1 记忆性 | 第25页 |
| 2.4.2 阵发性 | 第25-26页 |
| 2.4.3 结果展示 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于证券理财产品的推荐算法 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 推荐数据说明 | 第28-29页 |
| 3.3 推荐算法说明 | 第29-36页 |
| 3.3.1 协同过滤算法 | 第29-32页 |
| 3.3.1.1 相似性计算 | 第29-30页 |
| 3.3.1.2 基于用户的协同过滤算法 | 第30-31页 |
| 3.3.1.3 基于理财产品的协同过滤算法 | 第31-32页 |
| 3.3.2 混合扩散算法 | 第32-35页 |
| 3.3.2.1 物质扩散算法 | 第32-33页 |
| 3.3.2.2 热传导算法 | 第33-34页 |
| 3.3.2.3 混合扩散算法 | 第34-35页 |
| 3.3.3 扩展推荐策略 | 第35-36页 |
| 3.3.3.1 基于用户聚类的热门推荐 | 第35页 |
| 3.3.3.2 基于用户实时行为的个性化推荐 | 第35-36页 |
| 3.4 推荐算法效果评估 | 第36-42页 |
| 3.4.1 推荐算法评价指标 | 第36-37页 |
| 3.4.1.1 准确率 | 第36页 |
| 3.4.1.2 召回率 | 第36-37页 |
| 3.4.1.3 AUC | 第37页 |
| 3.4.2 推荐算法效果展示 | 第37-39页 |
| 3.4.3 推荐算法补充测试 | 第39-42页 |
| 3.4.3.1 混合扩散算法参数取值测试 | 第40-41页 |
| 3.4.3.2 基于理财产品的协同过滤算法饱和度测试 | 第41-42页 |
| 3.5 本章小结 | 第42-44页 |
| 第四章 基于证券理财产品的个性化推荐系统 | 第44-65页 |
| 4.1 引言 | 第44页 |
| 4.2 系统功能需求分解 | 第44-48页 |
| 4.3 系统整体设计 | 第48-50页 |
| 4.3.1 系统模块设计 | 第48-49页 |
| 4.3.2 系统接口设计 | 第49-50页 |
| 4.4 推荐算法子模块 | 第50-51页 |
| 4.4.1 接口与类设计 | 第50-51页 |
| 4.4.2 关键技术分析 | 第51页 |
| 4.5 个性化理财产品营销子模块 | 第51-61页 |
| 4.5.1 营销子模块详细功能需求 | 第51-53页 |
| 4.5.2 软件框架及流程设计 | 第53-55页 |
| 4.5.3 接口与类设计 | 第55-56页 |
| 4.5.4 模块处理流程详细说明 | 第56-61页 |
| 4.5.4.1 个性化理财产品营销离线分析 | 第56-59页 |
| 4.5.4.2 个性化理财产品营销在线推荐 | 第59-61页 |
| 4.6 营销效果评估 | 第61-64页 |
| 4.6.1 营销测试方式 | 第61页 |
| 4.6.2 营销评价指标 | 第61-62页 |
| 4.6.2.1 点击率 | 第61-62页 |
| 4.6.2.2 转化率 | 第62页 |
| 4.6.3 营销效果展示 | 第62-64页 |
| 4.7 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 工作展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻硕期间取得的研究成果 | 第72-73页 |