基于客源挖掘的个性化推荐系统
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要工作 | 第11-12页 |
| 1.4 组织结构 | 第12-13页 |
| 2 相关技术概述 | 第13-29页 |
| 2.1 数据仓库与用户画像 | 第13-14页 |
| 2.2 推荐算法 | 第14-16页 |
| 2.2.1 基于内容的推荐 | 第14页 |
| 2.2.2 基于协同过滤的推荐算法 | 第14-16页 |
| 2.3 分类算法 | 第16-23页 |
| 2.3.1 XGBoost | 第16-18页 |
| 2.3.2 FM与FFM | 第18-20页 |
| 2.3.3 Wide And Deep | 第20-22页 |
| 2.3.4 DeepFM | 第22-23页 |
| 2.4 迁移学习 | 第23-26页 |
| 2.5 评估指标 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 3 客源挖掘系统建模 | 第29-41页 |
| 3.1 数据分析 | 第29-32页 |
| 3.2 目标抽取与定义 | 第32-34页 |
| 3.3 架构设计 | 第34-39页 |
| 3.3.1 数据来源 | 第34-36页 |
| 3.3.2 数据设计 | 第36-38页 |
| 3.3.3 系统流程设计 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 4 样本与特征构造 | 第41-45页 |
| 4.1 样本构造 | 第41-42页 |
| 4.2 特征提取和构造 | 第42-44页 |
| 4.3 本章小结 | 第44-45页 |
| 5 实验 | 第45-59页 |
| 5.1 ID类属性向量化 | 第45-47页 |
| 5.2 FM特征重要度分析 | 第47-52页 |
| 5.3 实现与实验结果 | 第52-56页 |
| 5.3.1 实现 | 第52-54页 |
| 5.3.2 实验结果分析 | 第54-56页 |
| 5.4 样本扩充 | 第56-57页 |
| 5.5 本章小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 论文工作总结 | 第59页 |
| 6.2 下一步工作展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
