面向线下医药零售的精准推荐技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 研究背景及意义 | 第12-16页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.2.1 国外研究现状 | 第16-18页 |
| 1.2.2 国内研究现状 | 第18-19页 |
| 1.3 本文研究内容 | 第19页 |
| 1.4 本文组织结构 | 第19-21页 |
| 第2章 相关概念与技术 | 第21-29页 |
| 2.1 个性化推荐系统概况 | 第21-24页 |
| 2.1.1 个性化推荐系统简介 | 第21页 |
| 2.1.2 常见个性化推荐技术 | 第21-24页 |
| 2.2 知识图谱概述 | 第24-25页 |
| 2.3 用户画像概述 | 第25-26页 |
| 2.4 聚类技术概述 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 基于医药知识图谱和用户画像的推荐技术 | 第29-52页 |
| 3.1 问题描述及分析 | 第29-30页 |
| 3.2 医药知识图谱的构建 | 第30-39页 |
| 3.2.1 医药知识特征与知识域划分 | 第30-33页 |
| 3.2.2 医药知识图谱构建技术架构 | 第33-34页 |
| 3.2.3 医药实体抽取 | 第34-36页 |
| 3.2.4 医药实体关系抽取 | 第36-39页 |
| 3.3 基于知识图谱和用户画像的推荐 | 第39-46页 |
| 3.3.1 用户画像体系结构设计 | 第39-41页 |
| 3.3.2 医药零售人群标签建模 | 第41-44页 |
| 3.3.3 医药零售用户个人画像的构建 | 第44-45页 |
| 3.3.4 推荐结果的产生 | 第45-46页 |
| 3.4 实验分析 | 第46-51页 |
| 3.4.1 数据来源 | 第46-47页 |
| 3.4.2 考核指标 | 第47-48页 |
| 3.4.3 准确率 | 第48-49页 |
| 3.4.4 召回率 | 第49-50页 |
| 3.4.5 适用用户比例 | 第50页 |
| 3.4.6 疾病种类与商品种类的覆盖率 | 第50-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第4章 基于用户购药行为分析的精准推荐技术 | 第52-61页 |
| 4.1 问题描述及分析 | 第52-53页 |
| 4.2 基于购药行为分析的推荐算法设计 | 第53-57页 |
| 4.2.1 用户相似性计算 | 第53-54页 |
| 4.2.2 确定最近邻集合 | 第54-56页 |
| 4.2.3 根据最近邻产生推荐 | 第56-57页 |
| 4.3 实验分析 | 第57-60页 |
| 4.3.1 准确率 | 第57-58页 |
| 4.3.2 召回率 | 第58-59页 |
| 4.3.3 适用用户比例 | 第59-60页 |
| 4.3.4 实验结论 | 第60页 |
| 4.4 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第67-68页 |
| 附录B 攻读学位期间参与的主要项目 | 第68-69页 |
| 致谢 | 第69页 |
