基于大规模电商数据的用户消费行为分析方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 主要研究内容 | 第10页 |
| 1.4 章节安排 | 第10-12页 |
| 第2章 理论基础 | 第12-26页 |
| 2.1 SPARK分布式计算平台 | 第12-14页 |
| 2.1.1 Spark生态系统 | 第13-14页 |
| 2.1.2 Spark编程基本概念 | 第14页 |
| 2.2 朴素贝叶斯方法 | 第14-17页 |
| 2.2.1 朴素贝叶斯模型 | 第15页 |
| 2.2.2 朴素贝叶斯方法的参数估计 | 第15-16页 |
| 2.2.3 朴素贝叶斯的学习算法 | 第16-17页 |
| 2.2.4 拉普拉斯平滑 | 第17页 |
| 2.3 人工神经网络 | 第17-24页 |
| 2.3.1 神经网络模型 | 第18-19页 |
| 2.3.2 神经网络学习的梯度下降算法 | 第19-20页 |
| 2.3.3 反向传播算法 | 第20-23页 |
| 2.3.4 反向传播神经网络的优缺点 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 用户消费行为建模 | 第26-35页 |
| 3.1 用户消费行为定义 | 第26-27页 |
| 3.1.1 引言 | 第26-27页 |
| 3.1.2 用户消费行为定义 | 第27页 |
| 3.2 用户消费行为建模 | 第27-33页 |
| 3.2.1 用数学方法对用户消费行为建模 | 第28-29页 |
| 3.2.2 数学方法的不足及优化 | 第29-30页 |
| 3.2.3 用朴素贝叶斯方法对用户消费行为建模 | 第30-31页 |
| 3.2.4 用人工神经网络对用户消费行为建模 | 第31-33页 |
| 3.3 特征选择 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 实验与评估 | 第35-47页 |
| 4.1 SPARK环境搭建 | 第35-39页 |
| 4.1.1 Spark on YARN的搭建 | 第35-39页 |
| 4.2 数据整理及特征提取 | 第39-42页 |
| 4.3 实验结果 | 第42-46页 |
| 4.3.1 朴素贝叶斯方法模型实验分析 | 第42-44页 |
| 4.3.2 神经网络模型实验分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-49页 |
| 5.1 全文总结 | 第47页 |
| 5.2 工作展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 作者简介及在学期间所取得的科研成果 | 第52-53页 |
| 致谢 | 第53页 |
