面向营销数据库的用户聚类策略及用户兴趣模式研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 致谢 | 第7-8页 |
| 目录 | 第8-10页 |
| 图表清单 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景 | 第11-12页 |
| ·个性化推荐系统 | 第11页 |
| ·个性化推荐技术 | 第11-12页 |
| ·目前研究现状 | 第12-13页 |
| ·课题研究的目的与意义 | 第13-14页 |
| ·本文主要研究内容及结构 | 第14-15页 |
| 第二章 聚类分析技术的概述 | 第15-23页 |
| ·聚类分析 | 第15-17页 |
| ·聚类分析的优势 | 第17-19页 |
| ·聚类分析算法 | 第19-21页 |
| ·聚类算法的特点 | 第19-20页 |
| ·聚类算法的分类 | 第20-21页 |
| ·聚类分析应用 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 用户聚类策略的研究 | 第23-36页 |
| ·基于用户聚类的推荐技术 | 第23-26页 |
| ·基于用户聚类的协同推荐算法 | 第23-26页 |
| ·基于项目聚类的协同推荐算法 | 第26页 |
| ·用户聚类策略研究 | 第26-27页 |
| ·本文提出的思想 | 第26-27页 |
| ·用户聚类策略 | 第27页 |
| ·概念分层 | 第27-29页 |
| ·产品特征选取 | 第29-31页 |
| ·特征选取的常用方法 | 第29-30页 |
| ·本文特征选取的策略 | 第30-31页 |
| ·聚类流程 | 第31-34页 |
| ·本章小结 | 第34-36页 |
| 第四章 聚类策略的实例验证 | 第36-43页 |
| ·数据集 | 第36-37页 |
| ·数据预处理 | 第36-37页 |
| ·实验设计 | 第37-42页 |
| ·实验环境 | 第37页 |
| ·实验过程 | 第37-42页 |
| ·产生推荐 | 第42页 |
| ·本章小结 | 第42-43页 |
| 第五章 用户兴趣模型 | 第43-50页 |
| ·用户模型 | 第43页 |
| ·用户兴趣知识的获取 | 第43页 |
| ·用户兴趣模型的表示 | 第43-46页 |
| ·基于评价的表示 | 第44页 |
| ·基于内容评价的表示 | 第44-45页 |
| ·基于知识的模型表示法 | 第45-46页 |
| ·本文的用户模型表示 | 第46页 |
| ·用户兴趣偏好发现 | 第46-49页 |
| ·产品属性隶属函数 | 第46页 |
| ·兴趣集建立及推荐 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| ·本文的工作 | 第50-51页 |
| ·研究展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录一 实验代码 | 第55-58页 |
| 附录二 攻读硕士学位期间发表的论文 | 第58页 |
