基于智能计算的电信资费套餐发现及推荐技术研究
| 摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-12页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 资费套餐研究现状 | 第12-14页 |
| 1.2.2 智能计算技术研究现状 | 第14-16页 |
| 1.3 研究内容及方法 | 第16-17页 |
| 1.4 本文的创新 | 第17页 |
| 1.5 本文的结构 | 第17-18页 |
| 第二章 电信套餐及相关计算方法研究 | 第18-28页 |
| 2.1 电信套餐概述 | 第18-22页 |
| 2.1.1 电信套餐发展 | 第18-19页 |
| 2.1.2 套餐构成 | 第19-20页 |
| 2.1.3 套餐推广 | 第20-21页 |
| 2.1.4 套餐评估 | 第21-22页 |
| 2.2 相关计算方法研究 | 第22-27页 |
| 2.2.1 常见的推荐算法 | 第22-24页 |
| 2.2.2 相似度计算 | 第24-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 数据可视化分析及模型构建 | 第28-45页 |
| 3.1 数据可视化分析 | 第28-36页 |
| 3.1.1 准备及整理数据 | 第28-30页 |
| 3.1.2 数据有效性检查 | 第30页 |
| 3.1.3 数据可视化分析 | 第30-36页 |
| 3.2 数据聚类 | 第36-41页 |
| 3.2.1 聚类算法 | 第36-39页 |
| 3.2.2 数据聚类处理 | 第39-41页 |
| 3.3 套餐模型 | 第41-43页 |
| 3.3.1 确定套餐属性 | 第41-42页 |
| 3.3.2 确立套餐模型 | 第42-43页 |
| 3.4 客户模型 | 第43-44页 |
| 3.4.1 空间维度的确定 | 第43-44页 |
| 3.4.2 客户模型的确立 | 第44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 套餐自动发现及推荐 | 第45-58页 |
| 4.1 套餐自动发现的算法设计 | 第45-49页 |
| 4.1.1 PSO基本思想 | 第46页 |
| 4.1.2 PSO操作过程 | 第46-48页 |
| 4.1.3 PSO参数的调整 | 第48页 |
| 4.1.4 PSO优点 | 第48-49页 |
| 4.2 套餐发现过程设计 | 第49-51页 |
| 4.2.1 抽取训练集 | 第49-50页 |
| 4.2.2 初始化 | 第50页 |
| 4.2.3 处理过程 | 第50-51页 |
| 4.3 套餐推荐模型方法设计 | 第51-52页 |
| 4.4 结果及分析 | 第52-56页 |
| 4.4.1 结果评价方法 | 第52-53页 |
| 4.4.2 实验结果分析 | 第53-56页 |
| 4.4.3 目标套餐推荐结果及分析 | 第56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-60页 |
| 5.1 论文主要研究总结 | 第58-59页 |
| 5.2 进一步研究探讨 | 第59-60页 |
| 参考文献 | 第60-65页 |
| 致谢 | 第65-66页 |
| 附录 | 第66页 |
