电子商务中用户购物意图的推理与个性化推荐
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.1.1 研究背景与研究问题 | 第11-12页 |
| 1.1.2 研究目的与意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 用户在线行为 | 第12-14页 |
| 1.2.2 个性化推荐 | 第14-15页 |
| 1.3 研究内容和论文组织结构 | 第15-17页 |
| 1.3.1 研究内容 | 第15-16页 |
| 1.3.2 论文组织结构 | 第16-17页 |
| 第二章 用户在线行为分析 | 第17-23页 |
| 2.1 点击流在电子商务中的应用 | 第17-18页 |
| 2.2 点击流在用户行为分析中的应用 | 第18-20页 |
| 2.3 用户行为的影响因素研究 | 第20-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 个性化推荐 | 第23-27页 |
| 3.1 个性化推荐对用户决策的影响 | 第23页 |
| 3.2 基于用户行为的个性化推荐 | 第23-25页 |
| 3.3 隐马尔科夫模型 | 第25-26页 |
| 3.4 本章小结 | 第26-27页 |
| 第四章 用户意图识别与个性化推荐 | 第27-36页 |
| 4.1 观察模块 | 第27页 |
| 4.2 识别模块 | 第27-34页 |
| 4.2.1 分析购物车选择 | 第27-28页 |
| 4.2.2 在会话中的用户购物车选择行为特征 | 第28-29页 |
| 4.2.3 商品特征 | 第29-30页 |
| 4.2.4 口碑刺激特征 | 第30页 |
| 4.2.5 品牌刺激特征 | 第30-31页 |
| 4.2.6 捕获用户的个人异质性 | 第31页 |
| 4.2.7 学习用户未观察到的意图状态 | 第31-34页 |
| 4.2.8 模型识别问题 | 第34页 |
| 4.3 推荐模块 | 第34-36页 |
| 第五章 模型求解与数据分析 | 第36-44页 |
| 5.1 数据 | 第36-38页 |
| 5.2 模型参数估计结果 | 第38-41页 |
| 5.3 用户的个人异质性 | 第41-42页 |
| 5.4 推荐模块的实现 | 第42-44页 |
| 结论 | 第44-46页 |
| 参考文献 | 第46-53页 |
| 攻读学位期间发表的论文 | 第53-55页 |
| 致谢 | 第55页 |
