| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 引言 | 第8-9页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.3 传统客户网购行为分析及预测中存在的不足 | 第13页 |
| 1.4 研究内容 | 第13-14页 |
| 1.5 文章组织结构 | 第14-15页 |
| 第2章 系统总体设计思路 | 第15-25页 |
| 2.1 系统总体思路概述 | 第15-17页 |
| 2.2 客户网购行为规律知识获取 | 第17-21页 |
| 2.2.1 知识获取数据源 | 第17-18页 |
| 2.2.2 客户行为浏览日志数据预处理 | 第18-20页 |
| 2.2.3 系统使用到的知识获取方法 | 第20-21页 |
| 2.3 知识存储与表示 | 第21-23页 |
| 2.4 客户网购行为预测 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 系统体系结构 | 第25-36页 |
| 3.1 系统总体架构 | 第25-26页 |
| 3.2 客户行为规律知识获取子系统 | 第26-27页 |
| 3.3 知识服务子系统 | 第27-33页 |
| 3.3.1 知识表示 | 第28-29页 |
| 3.3.2 基于HBase客户网购行为知识图存储 | 第29-33页 |
| 3.4 客户行为实时预测子系统 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于FP-Growth算法的客户网购行为预测 | 第36-46页 |
| 4.1 基于FP-Growth算法的商品关联知识获取 | 第36-40页 |
| 4.2 知识更新 | 第40-43页 |
| 4.2.1 知识存在判定 | 第41页 |
| 4.2.2 知识更新 | 第41-43页 |
| 4.2.3 知识更新算法 | 第43页 |
| 4.3 基于商品关联的客户购买行为预测 | 第43-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第5章 基于改进TOPSIS的客户购买倾向预测 | 第46-57页 |
| 5.1 传统TOPSIS方法 | 第46-49页 |
| 5.1.1 TOPSIS介绍 | 第46-48页 |
| 5.1.2 使用熵值法确定权重 | 第48-49页 |
| 5.2 基于模糊数的TOPSIS算法 | 第49-51页 |
| 5.3 算法应用 | 第51-55页 |
| 5.3.1 通过关联知识获取的产品列表 | 第51-52页 |
| 5.3.2 消费者属性取值及权重模糊数确定 | 第52-55页 |
| 5.4 本章小结 | 第55-57页 |
| 第6章 系统预测结果分析 | 第57-59页 |
| 6.1 结果分析与准确性比较 | 第57-58页 |
| 6.2 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 导师简介 | 第65-66页 |
| 作者简介 | 第66-67页 |
| 学位论文数据集 | 第67页 |