基于用户画像的粮食产后损失分析研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 本文研究内容和主要工作 | 第10-12页 |
| 1.3 本文创新点 | 第12-13页 |
| 1.4 论文组织 | 第13-15页 |
| 第二章 相关工作研究 | 第15-22页 |
| 2.1 国内外研究现状 | 第15-18页 |
| 2.1.1 粮食产后损失的研究现状 | 第15-16页 |
| 2.1.2 用户画像的研究现状 | 第16-17页 |
| 2.1.3 损失预测模型的研究现状 | 第17-18页 |
| 2.2 文献评述 | 第18-19页 |
| 2.3 数据分析 | 第19-21页 |
| 2.3.1 数据来源 | 第19-20页 |
| 2.3.2 粮食产后损失的测定 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 构建粮食用户画像体系 | 第22-32页 |
| 3.1 用户画像设计框架 | 第22-23页 |
| 3.2 用户画像内容设计 | 第23-25页 |
| 3.2.1 用户基本信息 | 第23-24页 |
| 3.2.2 用户收入信息 | 第24页 |
| 3.2.3 用户支出信息 | 第24页 |
| 3.2.4 粮食交易信息 | 第24页 |
| 3.2.5 粮食数据处理 | 第24-25页 |
| 3.3 构建用户标签体系结构 | 第25-28页 |
| 3.3.1 粮食产后损失影响因素分析 | 第25-27页 |
| 3.3.2 粮食用户标签化 | 第27-28页 |
| 3.4 粮食用户群体分析 | 第28-30页 |
| 3.4.1 k-means聚类分析 | 第28-30页 |
| 3.4.2 粮食用户群体划分结果 | 第30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 建立粮食产后损失预测模型 | 第32-41页 |
| 4.1 建立损失预测模型 | 第32-37页 |
| 4.1.1 朴素贝叶斯算法 | 第32-33页 |
| 4.1.2 决策树算法 | 第33-35页 |
| 4.1.3 支持向量机算法 | 第35-37页 |
| 4.2 损失预测模型结果分析对比 | 第37-39页 |
| 4.2.1 损失预测模型评价指标 | 第37-38页 |
| 4.2.2 三种传统分类预测模型结果 | 第38-39页 |
| 4.2.3 基于用户画像的支持向量机损失预测模型 | 第39页 |
| 4.3 不同标签的算法比较 | 第39页 |
| 4.4 本章小结 | 第39-41页 |
| 第五章 总结与展望 | 第41-43页 |
| 5.1 本文工作总结 | 第41-42页 |
| 5.2 未来展望 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 参与的科研项目成果 | 第48-49页 |
| 致谢 | 第49页 |
