用户行为分析下的个性化推荐策略.doc

用户行为分析下的个性化推荐策略

TOC\o1-2\h\u3015第一章用户画像构建 3

133641.1用户基本属性分析 3

311071.1.1用户人口统计学特征 3

85161.1.2用户地域分布 4

267911.1.3用户设备使用情况 4

95921.2用户兴趣模型构建 4

23731.2.1内容兴趣模型 4

219041.2.2上下文兴趣模型 4

302781.2.3社交兴趣模型 4

320831.3用户行为特征提取 4

324641.3.1行为频率分析 4

327331.3.2行为序列分析 4

204391.3.3行为聚类分析 4

31608第二章数据采集与处理 5

100082.1数据源选择与采集 5

217892.1.1数据源选择原则 5

171722.1.2数据采集方法 5

125542.2数据清洗与预处理 5

81372.2.1数据清洗 5

187132.2.2数据预处理 6

200182.3数据存储与维护 6

222022.3.1数据存储 6

258212.3.2数据维护 6

13750第三章内容分析与标签系统 6

148683.1内容特征提取 6

200153.1.1数据预处理 6

236613.1.2文本表示 6

19103.1.4特征降维 7

94073.2标签体系构建 7

211623.2.1标签定义 7

217033.2.2标签分类 7

49293.2.3标签关联 7

41103.2.4标签优化 7

74023.3标签权重分配 7

104343.3.1初始权重设定 8

310783.3.2权重调整 8

185983.3.3权重归一化 8

323333.3.4权重优化 8

32334第四章协同过滤算法 8

148134.1用户基协同过滤 8

146374.1.1算法原理 8

141374.1.2算法实现 8

213274.1.3算法优缺点 9

240154.2物品基协同过滤 9

321834.2.1算法原理 9

32584.2.2算法实现 9

196284.2.3算法优缺点 9

231274.3混合协同过滤 9

193294.3.1算法原理 10

249404.3.2算法实现 10

316504.3.3算法优缺点 10

4235第五章内容推荐算法 10

2265.1基于内容的推荐 10

219165.2基于模型的推荐 10

34235.3多元内容融合推荐 11

3766第六章深度学习推荐算法 12

290546.1神经协同过滤 12

129706.1.1原理 12

63486.1.2模型结构 12

304406.1.3应用 12

170856.2序列模型推荐 12

96496.2.1原理 12

324266.2.2模型结构 12

119536.2.3应用 12

277726.3注意力机制推荐 13

34346.3.1原理 13

40646.3.2模型结构 13

154016.3.3应用 13

12802第七章用户行为序列分析 13

243987.1用户行为序列挖掘 13

281797.1.1序列挖掘概述 13

297477.1.2序列挖掘方法 13

100377.1.3序列挖掘在个性化推荐中的应用 14

266197.2用户行为模式识别 14

231607.2.1行为模式识别概述 14

240677.2.2行为模式识别方法 14

56457.2.3行为模式识别在个性化推荐中的应用 14

273537.3用户行为预测 15

263427.3.1用户行为预测概述 15

286387.3.2用户行为预测方法 15

226027.3.3用户行为预测在个性化推荐中的应用 15

25853第八章个性化推荐系统评估 15

156648.1评估指标体系 15

23378.2离线评估方法 16

310748.3在线评估与A/B测试 17

30542第九章个性化推荐系统优化 17

288499.1冷启动问题优化 17

198