基于用户收视行为特征的产品精准推荐研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状和趋势 | 第11-12页 |
| 1.3 课题研究的目的和意义 | 第12-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 数据分析相关算法简介 | 第15-21页 |
| 2.1 推荐系统 | 第15-17页 |
| 2.2 聚类分析 | 第17-19页 |
| 2.2.1 K-Means算法 | 第17-18页 |
| 2.2.2 谱聚类算法 | 第18页 |
| 2.2.3 DBSCAN算法 | 第18-19页 |
| 2.3 协同过滤推荐算法 | 第19-20页 |
| 2.3.1 基于内存的协同过滤 | 第20页 |
| 2.3.2 基于模型的协同过滤 | 第20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 用户收视数据分析和数据预处理 | 第21-32页 |
| 3.1 互动电视业务介绍 | 第21-24页 |
| 3.1.1 互动电视业务介绍 | 第21-22页 |
| 3.1.2 互动电视产品模型 | 第22-23页 |
| 3.1.3 用户数据预处理 | 第23-24页 |
| 3.2 用户收视行为 | 第24-28页 |
| 3.3 内容元数据介绍 | 第28-30页 |
| 3.4 数据标准化 | 第30-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 模型的选择和建立 | 第32-42页 |
| 4.1 聚类模型细分用户 | 第32-35页 |
| 4.2 基于逻辑回归的产品推荐 | 第35-39页 |
| 4.3 业务规则补充 | 第39页 |
| 4.4 模型总结 | 第39-40页 |
| 4.5 传统推荐模型对比 | 第40-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 模型的应用和结果分析 | 第42-51页 |
| 5.1 模型的应用 | 第42-48页 |
| 5.2 应用结果分析 | 第48-50页 |
| 5.3 本章小结 | 第50-51页 |
| 第6章 结论与展望 | 第51-53页 |
| 6.1 结论 | 第51-52页 |
| 6.2 展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间参加的科研项目和成果 | 第56页 |
