基于App点击行为分析的推荐模型研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究内容与主要工作 | 第10-11页 |
| 1.3 创新点 | 第11页 |
| 1.4 文章结构 | 第11-13页 |
| 第二章 相关工作 | 第13-20页 |
| 2.1 智能手机数据集 | 第14-15页 |
| 2.2 智能用户群体行为分析 | 第15-16页 |
| 2.3 App点击推荐的研究 | 第16-19页 |
| 2.3.1 基于上下文的App点击推荐 | 第17-18页 |
| 2.3.2 基于时间序列的App点击推荐 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 第三章 用户App使用行为分析 | 第20-27页 |
| 3.1 智能手机数据集来源和规模 | 第20-22页 |
| 3.2 用户使用App的行为特征 | 第22-26页 |
| 3.2.1 基本统计特征 | 第22-24页 |
| 3.2.2 存在相同的使用模式 | 第24-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 App点击推荐模型及其有效性验证 | 第27-43页 |
| 4.1 下一个App点击推荐问题描述 | 第27-28页 |
| 4.2 基于分层协同过滤的序列推荐方法 | 第28-33页 |
| 4.2.1 总体框架 | 第28-29页 |
| 4.2.2 相似度计算模块 | 第29-31页 |
| 4.2.3 序列推荐模块 | 第31-33页 |
| 4.3 实验结果及分析 | 第33-42页 |
| 4.3.1 实验设置 | 第33-35页 |
| 4.3.2 不同推荐算法的性能对比 | 第35-38页 |
| 4.3.3 对于不同用户的推荐效果分析 | 第38-40页 |
| 4.3.4 参数ω对推荐性能的影响 | 第40-41页 |
| 4.3.5 参数k对推荐性能的影响 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-45页 |
| 参考文献 | 第45-50页 |
| 攻读硕士期间发表的论文 | 第50-51页 |
| 致谢 | 第51页 |
