线下零售业数据挖掘研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外线下零售业数据挖掘现状 | 第11页 |
| 1.2.2 国内线下零售业数据挖掘现状 | 第11-12页 |
| 1.3 论文主要工作与创新 | 第12-14页 |
| 1.3.1 论文的主要工作 | 第12-14页 |
| 1.3.2 论文的主要创新点 | 第14页 |
| 1.4 论文结构安排 | 第14-16页 |
| 第二章 相关技术及研究 | 第16-22页 |
| 2.1 关联挖掘技术 | 第16-17页 |
| 2.2 协同过滤推荐算法 | 第17-18页 |
| 2.3 零售数据异常检测 | 第18-22页 |
| 第三章 线下零售业异常数据检测 | 第22-32页 |
| 3.1 基于神经网络的异常检测 | 第22-26页 |
| 3.1.1 混合型异常值检测 | 第23页 |
| 3.1.2 混合变量受限玻尔兹曼机 | 第23-26页 |
| 3.2 实验分析 | 第26-29页 |
| 3.2.1 数据集 | 第26页 |
| 3.2.2 特征选取 | 第26页 |
| 3.2.3 评估指标 | 第26-27页 |
| 3.2.4 实验设计 | 第27页 |
| 3.2.5 实验结果 | 第27-29页 |
| 3.3 本章小结 | 第29-32页 |
| 第四章 线下零售业数据中的推荐 | 第32-56页 |
| 4.1 基于关联分析的推荐 | 第32-35页 |
| 4.1.1 线下零售业中关联挖掘技术的应用 | 第32-34页 |
| 4.1.2 实验分析 | 第34-35页 |
| 4.2 基于神经网络的协同过滤推荐算法 | 第35-43页 |
| 4.2.1 基于神经网络的推荐算法 | 第36-40页 |
| 4.2.2 基于附加信息的神经网络的推荐算法 | 第40-43页 |
| 4.3 实验分析 | 第43-54页 |
| 4.3.1 数据集和评估指标 | 第43-44页 |
| 4.3.2 基于用户偏好的协同过滤实验 | 第44-48页 |
| 4.3.3 TopN推荐实验 | 第48-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第五章 线下零售业推荐系统设计 | 第56-60页 |
| 5.1 线下零售业推荐系统需求 | 第56页 |
| 5.2 系统设计 | 第56-58页 |
| 5.2.1 系统架构 | 第56-57页 |
| 5.2.2 数据存储层 | 第57-58页 |
| 5.2.3 异常检测层 | 第58页 |
| 5.2.4 推荐引擎层 | 第58页 |
| 5.2.5 输出层 | 第58页 |
| 5.3 本章小结 | 第58-60页 |
| 第六章 工作总结与展望 | 第60-62页 |
| 6.1 论文总结 | 第60页 |
| 6.2 进一步研究与展望 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表论文 | 第70页 |
