基于人类动力学的在线阅读行为研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·人类动力学的发展 | 第12-16页 |
| ·个性化推荐的发展 | 第16-17页 |
| ·本文主要工作 | 第17-18页 |
| ·本论文的结构安排 | 第18-19页 |
| 第二章 基于用户行为的个性化推荐模型研究 | 第19-30页 |
| ·所用数据说明 | 第19页 |
| ·用户行为分析 | 第19-26页 |
| ·图书度分布 | 第19-20页 |
| ·用户度分布 | 第20-21页 |
| ·用户偏好变化 | 第21-24页 |
| ·用户阅读品类流向分析 | 第24-25页 |
| ·用户活跃度分析 | 第25-26页 |
| ·用户趋势及相关性分析 | 第26-28页 |
| ·每日阅读趋势分析 | 第26-27页 |
| ·每周/月的阅读量 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于用户行为的个性化推荐算法研究 | 第30-46页 |
| ·基于内容推荐的方法 | 第30-31页 |
| ·基于内容解析打标签的思路 | 第30-31页 |
| ·基于商品购买历史的思路 | 第31页 |
| ·基于网络结构的算法 | 第31-34页 |
| ·物质扩散算法 | 第32-33页 |
| ·热传导算法 | 第33-34页 |
| ·改进算法描述 | 第34-36页 |
| ·算法测试 | 第36-38页 |
| ·测试数据说明 | 第36页 |
| ·分组随机性检验 | 第36-37页 |
| ·推送前 PV 量检验 | 第37页 |
| ·推送前累计付费检验 | 第37页 |
| ·推送前累计下载图书量检验 | 第37-38页 |
| ·评估指标定义 | 第38-39页 |
| ·首日反馈率 | 第38页 |
| ·首日 PV 激发量 | 第38-39页 |
| ·四周累计 PV 增加量 | 第39页 |
| ·算法性能分析 | 第39-44页 |
| ·首日反馈率 | 第40页 |
| ·首日推荐书籍 PV 量 | 第40-41页 |
| ·首日总激发 PV 量 | 第41-42页 |
| ·四周 PV 中推荐书籍 PV 量 | 第42-43页 |
| ·四周总 PV 量 | 第43-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 基于用户行为的个性化阅读推荐系统 | 第46-64页 |
| ·推荐系统总体设计 | 第46-47页 |
| ·个性化书籍推荐子模块设计 | 第47-48页 |
| ·系统可靠性分析 | 第48-60页 |
| ·个性化书籍列表生成时间的影响 | 第49页 |
| ·推荐系统对用户阅读行为的影响 | 第49-53页 |
| ·推荐系统对用户阅读行为的持续影响能力 | 第53-55页 |
| ·推送行为在不同阅读活跃度的用户群中的影响 | 第55-58页 |
| ·推送的书籍被阅读的情况 | 第58-60页 |
| ·系统性能敏感性分析 | 第60-62页 |
| ·分析模型的选择 | 第60-61页 |
| ·系统推送成功与否的决定因素 | 第61页 |
| ·系统对决定因素的敏感性分析 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 第五章 结论 | 第64-66页 |
| ·本文的主要贡献 | 第64页 |
| ·下一步工作的展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 攻硕期间取得的研究成果 | 第70-71页 |
