移动端用户行为分析与个性化推荐.docVIP

移动端用户行为分析与个性化推荐

TOC\o1-2\h\u2159第1章引言 4

70121.1用户行为分析与个性化推荐背景 5

135611.2移动互联网发展概况 5

5851.3研究意义与目的 5

22491第2章用户行为数据采集与预处理 6

152462.1用户行为数据来源 6

195652.2数据采集方法与关键技术 6

272292.2.1数据采集方法 6

208862.2.2关键技术 6

1902.3数据预处理方法与流程 6

33232.3.1数据预处理方法 6

6652.3.2数据预处理流程 7

23658第3章用户行为特征提取 7

168683.1用户行为特征概述 7

40673.2用户行为时间特征分析 7

258743.3用户行为空间特征分析 7

145123.4用户行为关联特征分析 8

21062第4章用户行为分析方法 8

241644.1用户行为统计描述 8

114804.2用户行为聚类分析 9

124824.3用户行为关联规则挖掘 9

164194.4用户行为预测模型 9

17874第5章个性化推荐算法概述 9

188805.1推荐系统发展历程 9

116995.1.1早期推荐系统 10

262625.1.2协同过滤推荐算法的兴起 10

127775.1.3内容推荐与基于模型的推荐算法发展 10

167435.1.4深度学习在推荐系统中的应用 10

10855.1.5移动端推荐系统的特点与挑战 10

222065.2常见推荐算法简介 10

3535.2.1协同过滤算法 10

3715.2.1.1用户基于协同过滤 10

35785.2.1.2物品基于协同过滤 10

235805.2.1.3模型融合协同过滤 10

22425.2.2内容推荐算法 10

100125.2.2.1基于物品特征的推荐 10

253035.2.2.2基于用户画像的推荐 10

82525.2.3基于模型的推荐算法 10

142025.2.3.1矩阵分解算法 10

245565.2.3.2基于神经网络的推荐算法 10

181195.2.3.3基于图模型的推荐算法 10

126965.2.4混合推荐算法 10

49095.2.4.1加权混合推荐 10

183705.2.4.2切换混合推荐 10

81165.2.4.3分层混合推荐 10

291135.3个性化推荐算法分类 10

320765.3.1用户行为驱动的推荐算法 10

266535.3.1.1基于用户历史行为的推荐 10

19795.3.1.2基于用户实时行为的推荐 10

119355.3.2上下文感知推荐算法 10

304415.3.2.1基于时间上下文的推荐 10

155115.3.2.2基于地点上下文的推荐 10

203765.3.2.3基于设备类型的推荐 10

274915.3.3多任务学习在个性化推荐中的应用 11

222185.3.3.1多任务学习简介 11

247525.3.3.2多任务学习在推荐系统中的应用实例 11

13755.3.4隐私保护与公平性考虑的推荐算法 11

71955.3.4.1隐私保护推荐算法 11

96605.3.4.2公平性推荐算法 11

19149第6章协同过滤推荐算法 11

213586.1用户协同过滤 11

227826.1.1用户相似度计算 11

54176.1.2用户邻居选择 11

144656.1.3推荐物品预测 11

193596.1.4冷启动问题与解决方案 11

196576.2物品协同过滤 11

173896.2.1物品相似度计算 11

122986.2.2物品邻居选择 12

293786.2.3推荐物品预测 12

251856.2.4冷门物品推荐问题 12

177666.3模型优化与改进 12

151356.3.1混合推荐算法 12

82666.3.2算法可扩展性优化 12

301376.3.3用户动态行为建模 12

78826.3.4评价准则与功能评估 12

161056.3.5模型泛化能力提升 12

1606第7章