基于机器学习的互联网用户满意度个性化评估
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 引言 | 第10-22页 |
| 1.1 选题背景 | 第10-12页 |
| 1.2 研究背景 | 第12-20页 |
| 1.2.1 用户满意度概念 | 第12-13页 |
| 1.2.2 用户满意度的影响因素 | 第13-16页 |
| 1.2.3 用户满意度的评估方法 | 第16-17页 |
| 1.2.4 用户满意度的评估模型 | 第17-20页 |
| 1.3 研究内容及章节安排 | 第20-22页 |
| 第二章 用户满意度评估模型和个性化推荐系统 | 第22-32页 |
| 2.1 用户满意度评估模型搭建 | 第22-27页 |
| 2.1.1 用户满意度与QoS的函数关系 | 第23-25页 |
| 2.1.2 用户满意度与用户期望的关系 | 第25-27页 |
| 2.1.3 关于个性化用户满意度模型的讨论 | 第27页 |
| 2.2 个性化推荐系统 | 第27-32页 |
| 2.2.1 个性化推荐系统的基本框架 | 第27-30页 |
| 2.2.2 个性化推荐体系相关算法 | 第30-32页 |
| 第三章 构建预测用户期望的后验概率模型 | 第32-45页 |
| 3.1 现有问题描述和分析 | 第32-34页 |
| 3.1.1 概述 | 第32页 |
| 3.1.2 问题描述和分析 | 第32-34页 |
| 3.2 模型描述 | 第34-35页 |
| 3.3 模型算法优化 | 第35-39页 |
| 3.3.1 确定训练目标和算法 | 第35-36页 |
| 3.3.2 算法优化 | 第36-39页 |
| 3.4 模型训练并实验验证 | 第39-44页 |
| 3.4.1 模型训练 | 第39-40页 |
| 3.4.2 实验验证及结果分析 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于RVM的预测用户期望模型 | 第45-56页 |
| 4.1 概述 | 第45页 |
| 4.2 RVM的模型设计 | 第45-51页 |
| 4.2.1 RVM模型设计 | 第45-48页 |
| 4.2.2 RVM在多分类问题上的应用 | 第48-51页 |
| 4.3 对图书内容产品建立RVM算法模型 | 第51-54页 |
| 4.3.1 问题描述及分析 | 第51页 |
| 4.3.2 模型描述及训练 | 第51-53页 |
| 4.3.3 模型预测 | 第53-54页 |
| 4.4 实验结果及分析 | 第54页 |
| 4.5 本章小结 | 第54-56页 |
| 第五章 结论和建议 | 第56-59页 |
| 5.1 课题总结 | 第56页 |
| 5.2 主要贡献 | 第56-57页 |
| 5.3 研究建议 | 第57页 |
| 5.4 未来可能出现的问题 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 个人简历 | 第63页 |
