基于大数据技术的用户画像系统的设计与研究--以“心发现”平台为例
摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-14页 |
1.1 研究背景及意义 | 第11-12页 |
1.2 研究内容 | 第12页 |
1.3 研究方法 | 第12-13页 |
1.4 论文结构安排 | 第13-14页 |
第二章 结合大数据技术的用户画像体系综述 | 第14-32页 |
2.1 用户画像概述 | 第14-16页 |
2.2 用户画像数据来源 | 第16-17页 |
2.2.1 用户属性数据 | 第17页 |
2.2.2 日志数据 | 第17页 |
2.2.3 业务数据 | 第17页 |
2.3 用户画像特性 | 第17-18页 |
2.3.1 动态性 | 第18页 |
2.3.2 时效性 | 第18页 |
2.4 大数据技术挖掘用户画像的方法 | 第18-19页 |
2.4.1 基于主题模型的用户画像方法 | 第18-19页 |
2.4.2 基于深度学习的用户画像方法 | 第19页 |
2.4.3 基于贝叶斯的用户画像方法 | 第19页 |
2.4.4 基于规则匹配的用户画像方法 | 第19页 |
2.5 用户画像标签体系 | 第19-23页 |
2.5.1 用户画像标签体系划分维度 | 第20-21页 |
2.5.2 用户画像标签体系的构建方法 | 第21-23页 |
2.6 用户画像标签权重的计算 | 第23-24页 |
2.6.1 标签的表示方法 | 第23页 |
2.6.2 标签权重的计算 | 第23-24页 |
2.7 用户画像群体特征的分析方法 | 第24-26页 |
2.7.1 用户画像相似性度量 | 第24-25页 |
2.7.2 用户群体聚类 | 第25-26页 |
2.8 用户画像数据管理与技术应用 | 第26-32页 |
2.8.1 数据的采集与储存技术 | 第26-30页 |
2.8.2 用户画像查询机制 | 第30页 |
2.8.3 内容维护更新机制 | 第30-32页 |
第三章 “心发现”平台的用户画像体系构建方案设计 | 第32-51页 |
3.1 面向PGC平台的用户画像系统建立方案 | 第32-35页 |
3.1.1 用户画像系统总体构建流程 | 第32-33页 |
3.1.2 用户画像标签体系方案设计 | 第33-34页 |
3.1.3 用户画像标签匹配机制方案 | 第34-35页 |
3.2 “心发现”平台的用户画像系统需求分析 | 第35-38页 |
3.2.1 平台业务 | 第35-36页 |
3.2.2 用户画像需求分析 | 第36-38页 |
3.3 “心发现”平台的用户画像标签体系构建方案 | 第38-47页 |
3.3.1 原始数据层的数据来源 | 第38页 |
3.3.2 事实层的标签体系设计 | 第38-44页 |
3.3.3 业务层的标签体系设计 | 第44-47页 |
3.4 “心发现”平台的用户画像标签匹配机制 | 第47-49页 |
3.4.1 从问卷信息挖掘用户兴趣标签 | 第47-48页 |
3.4.2 从评论挖掘用户特征 | 第48页 |
3.4.3 用户标签归一化 | 第48-49页 |
3.5 “心发现”平台的群体画像设计 | 第49页 |
3.6 “心发现”平台用户画像标签的更新机制 | 第49-50页 |
3.7 本章小结 | 第50-51页 |
第四章 “心发现”平台的用户画像系统实现方案 | 第51-63页 |
4.1 “心发现”平台的技术架构 | 第51-52页 |
4.2 详细模块设计 | 第52-61页 |
4.2.1 原始数据收集与储存 | 第52-57页 |
4.2.2 用户画像计算引擎的实现 | 第57-61页 |
4.3 本章小结 | 第61-63页 |
第五章 “心发现”平台的用户画像构建方案验证 | 第63-70页 |
5.1 用户画像的结果展示 | 第63-64页 |
5.1.1 单一用户的标签展示 | 第63-64页 |
5.1.2 群体用户画像的聚类结果展示 | 第64页 |
5.2 用户画像系统效果的验证 | 第64-69页 |
5.2.1 单个用户画像效果验证 | 第65-67页 |
5.2.2 聚类分析验证 | 第67-69页 |
5.3 本章小结 | 第69-70页 |
第六章 结论与展望 | 第70-72页 |
6.1 论文总结 | 第70页 |
6.2 创新点 | 第70-71页 |
6.3 未来研究展望 | 第71-72页 |
参考文献 | 第72-75页 |
攻读学位期间取得的研究成果 | 第75页 |