基于时间偏好的用户行为研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 主要研究内容和创新点 | 第10-11页 |
| 1.4 论文组织结构 | 第11-13页 |
| 第二章 时间序列和用户行为研究介绍 | 第13-28页 |
| 2.1 时间序列分析 | 第13-15页 |
| 2.1.1 时间序列分类 | 第14页 |
| 2.1.2 时间序列预测 | 第14-15页 |
| 2.2 用户行为模型 | 第15-17页 |
| 2.2.1 任务优先级模型 | 第16页 |
| 2.2.2 自适应兴趣模型 | 第16-17页 |
| 2.2.3 非齐次泊松模型 | 第17页 |
| 2.3 分类预测模型 | 第17-27页 |
| 2.3.1 逻辑回归LR | 第17-19页 |
| 2.3.2 随机森林RF | 第19-22页 |
| 2.3.3 梯度提升决策树GBDT | 第22-23页 |
| 2.3.4 神经网络NN | 第23-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 用户出行行为预测 | 第28-43页 |
| 3.1 数据背景 | 第28-29页 |
| 3.2 数据处理 | 第29-35页 |
| 3.2.1 数据分析 | 第29-33页 |
| 3.2.2 数据调整 | 第33-34页 |
| 3.2.3 数据切分 | 第34-35页 |
| 3.3 特征工程 | 第35-38页 |
| 3.4 建模预测 | 第38-42页 |
| 3.4.1 多集合滑动窗口 | 第39-40页 |
| 3.4.2 二阶段模型融合 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 淘宝购物行为及推荐算法研究 | 第43-59页 |
| 4.1 背景及主要工作 | 第43-45页 |
| 4.2 用户购物行为研究 | 第45-52页 |
| 4.2.1 数据分析 | 第45-47页 |
| 4.2.2 特征分析 | 第47-52页 |
| 4.3 算法研究 | 第52-58页 |
| 4.3.1 逻辑回归特征离散化 | 第52-54页 |
| 4.3.2 多特征维度堆模型 | 第54-58页 |
| 4.4 本章小结 | 第58-59页 |
| 第五章 用户行为预测建模及实验分析 | 第59-71页 |
| 5.1 用户行为预测建模 | 第59-64页 |
| 5.1.1 用户行为的时间偏好模型 | 第59-60页 |
| 5.1.2 时间偏好征体系及样本构造 | 第60-64页 |
| 5.2 实验结果分析 | 第64-70页 |
| 5.2.1 模型评价指标与稳定性分析 | 第64-67页 |
| 5.2.2 各算法调优及对比 | 第67-69页 |
| 5.2.3 模型优化策略 | 第69-70页 |
| 5.3 本章小结 | 第70-71页 |
| 总结与展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
