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 |