云环境下针对企业营销的个性化智能推荐研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1. 研究背景及研究意义 | 第8-9页 |
| 1.1.1. 研究背景 | 第8页 |
| 1.1.2. 研究目的及意义 | 第8-9页 |
| 1.2. 国内外现状研究 | 第9-10页 |
| 1.3. 主要研究内容 | 第10-11页 |
| 1.4. 论文组织结构 | 第11-12页 |
| 第二章 云环境下数据分析与应用 | 第12-18页 |
| 2.1. 引言 | 第12页 |
| 2.2. 云环境下数据挖掘的关键技术研究 | 第12-15页 |
| 2.2.1. 云计算的体系结构 | 第12-14页 |
| 2.2.2. 云计算的关键技术以及现状 | 第14-15页 |
| 2.3. 云环境下数据挖掘的服务模式 | 第15-17页 |
| 2.3.1. 数据挖掘的服务建模 | 第15页 |
| 2.3.2. 数据挖掘的服务过程 | 第15-17页 |
| 2.4. 本章小结 | 第17-18页 |
| 第三章 云环境下用户偏好与商品属性的研究 | 第18-32页 |
| 3.1. 引言 | 第18-20页 |
| 3.1.1. 数据挖掘研究 | 第18-19页 |
| 3.1.2. 关联规则兴趣度的相关研究 | 第19-20页 |
| 3.2. 基于情境下的兴趣度度量 | 第20-23页 |
| 3.2.1. 情境描述 | 第20-21页 |
| 3.2.2. 考虑情境下的客户价值 | 第21-23页 |
| 3.3. 用户兴趣特征值的抽取 | 第23-27页 |
| 3.3.1. 用户数据收集 | 第23-24页 |
| 3.3.2. 文档特征值介绍 | 第24页 |
| 3.3.3. 基于特征向量的客户分类 | 第24-27页 |
| 3.4. 商品属性与用户兴趣建模 | 第27-30页 |
| 3.4.1. 商品属性研究与建模 | 第27-28页 |
| 3.4.2. 用户兴趣的建模 | 第28-30页 |
| 3.4.3. 商品属性与用户偏好的匹配 | 第30页 |
| 3.5. 本章小结 | 第30-32页 |
| 第四章 基于用户兴趣模型的个性推荐算法 | 第32-47页 |
| 4.1. 引言 | 第32-33页 |
| 4.2. 推荐算法的相关介绍 | 第33-35页 |
| 4.2.1. 传统的基于内容的推荐算法 | 第33-34页 |
| 4.2.2. 协同过滤的推荐算法的描述 | 第34-35页 |
| 4.3. 推荐算法及其改进方法 | 第35-37页 |
| 4.3.1. 基于情境下的数据稀疏的解决 | 第35-36页 |
| 4.3.2. 推荐算法中冷启动问题解决 | 第36-37页 |
| 4.4. 数据实验及其分析 | 第37-46页 |
| 4.4.1. 数据稀疏实验以及分析 | 第37-40页 |
| 4.4.2. 冷启动问题实验以及分析 | 第40-46页 |
| 4.5. 本章小结 | 第46-47页 |
| 第五章 个性化推荐应用研究 | 第47-54页 |
| 5.1. 引言 | 第47页 |
| 5.2. 企业数据营销分析 | 第47-48页 |
| 5.3. 客户价值分析 | 第48-49页 |
| 5.4. 商品的推广模式 | 第49-51页 |
| 5.5. 营销平台实现与结果分析 | 第51-54页 |
| 第六章 总结与展望 | 第54-56页 |
| 6.1. 研究总结 | 第54页 |
| 6.2. 研究展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间的研究成果 | 第60页 |
