首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

面向金融营销问题的个性化推荐方法研究

摘要第1-10页
Abstract第10-13页
致谢第13-19页
第一章 绪论第19-28页
   ·研究背景与意义第19-20页
   ·国内外研究现状第20-23页
   ·主要研究内容与创新之处第23-25页
   ·论文的结构安排第25-28页
第二章 个性化推荐及相关技术概述第28-40页
   ·个性化推荐技术第28-33页
     ·基于规则的推荐方法第28-29页
     ·基于内容的推荐方法第29-30页
     ·基于协同过滤的推荐方法第30-32页
     ·混合式推荐系统第32-33页
   ·序列模式挖掘方法第33-36页
     ·相关概念第33-35页
     ·GSP 算法第35页
     ·PrefixSpan 算法第35-36页
   ·社团挖掘方法第36-39页
     ·相关定义第36-38页
     ·社团挖掘思想第38-39页
   ·小结第39-40页
第三章 面向个性化推荐的约束序列模式挖掘 方法研究第40-58页
   ·引言第40-41页
   ·基于均值约束的序列模式挖掘算法MPAC第41-44页
     ·相关概念第42-43页
     ·算法描述第43-44页
   ·MPAC 算法实验与分析第44-46页
   ·针对变值数据的行为序列模式挖掘方法第46-54页
     ·相关工作第47页
     ·相关概念第47-48页
     ·基于ACV 约束的序列模式挖掘算法unfixVPrefix第48-54页
   ·unfixVPrefix 算法实验与分析第54-57页
     ·实验数据第54-55页
     ·结果与分析第55-57页
   ·小结第57-58页
第四章 基于社团挖掘的金融客户细分方法研究第58-69页
   ·引言第58-59页
   ·相关工作第59-60页
   ·基于社团挖掘的金融客户细分第60-64页
     ·典型的社团挖掘算法第60-64页
       ·GN 算法第60-61页
       ·Newman 快速算法第61页
       ·CNM 算法第61-63页
       ·EO 算法第63页
       ·基于子团相似性的凝聚算法第63-64页
   ·基于社团挖掘的金融客户细分方法性能分析第64-68页
       ·真实网络数据实验结果与分析第64-66页
     ·金融客户数据实验结果与分析第66-68页
   ·小结第68-69页
第五章 基于客户细分的金融产品个性化推荐方法研究第69-80页
   ·引言第69页
   ·基于关联规则的个性化推荐算法第69-71页
     ·关联规则挖掘简介第69-70页
     ·传统的基于关联规则个性化推荐算法第70-71页
   ·基于客户细分的个性化推荐算法第71-73页
     ·算法基本思想第71-72页
     ·算法的具体流程第72-73页
   ·基于客户细分的金融产品个性化推荐系统实现第73-79页
     ·系统设计方案第73-75页
     ·系统功能界面第75-77页
     ·推荐算法性能标准第77-78页
     ·实验结果与分析第78-79页
   ·小结第79-80页
第六章 考虑兴趣漂移的个性化推荐方法研究第80-95页
   ·引言第80页
   ·相关工作第80-82页
     ·隐式调整方法第80-81页
     ·显式检测方法第81-82页
   ·基于图结构的推荐算法BPIR第82-90页
     ·概述第82-83页
     ·算法框架第83-84页
     ·兴趣漂移检测第84-90页
   ·实验与分析第90-94页
     ·数据集与实验设计第90页
     ·评价标准第90-91页
     ·MovieLens 实验结果与分析第91-93页
     ·模拟金融客户数据实验结果与分析第93-94页
   ·小结第94-95页
第七章 总结与展望第95-98页
   ·全文工作总结第95-96页
   ·进一步工作展望第96-98页
参考文献第98-107页
攻读博士学位期间参加的科研工作和发表论文情况第107页
 在读期间参与的科研项目第107页
 在读期间发表论文情况第107页

论文共107页,点击 下载论文
上一篇:大学生就业区域流向及引导策略研究
下一篇:变形表面主动轮廓建模理论与方法