隨著互聯(lián)網(wǎng)與信息技術(shù)的飛速發(fā)展,各個行業(yè)向互聯(lián)網(wǎng)轉(zhuǎn)型,并取得較大的進(jìn)展。在眾多的行業(yè)中,“互聯(lián)網(wǎng)+”母嬰憑借近些年國家政策以及家庭對育嬰的重視,更是得到前所未有的繁榮。作為父母的人們可以通過互聯(lián)網(wǎng)來了解兒童成長狀況,尋找志同道合的朋友或育嬰達(dá)人,共同探討或?qū)W習(xí)育嬰經(jīng)驗(yàn)。“互聯(lián)網(wǎng)+”母嬰行業(yè)的發(fā)展為用戶提供了極大的便利,但隨著互聯(lián)網(wǎng)的發(fā)展網(wǎng)絡(luò)信息的增加,母嬰用戶不可避免的將面對大量的垃圾信息和無意義數(shù)據(jù),即所謂的信息過載問題。特別是隨著育齡婦女越來越年輕化,互聯(lián)網(wǎng)已成為大多數(shù)父母生活的一部分,他們也更傾向于使用互聯(lián)網(wǎng)來幫助自己了解到孩子的成長狀況,得到更加科學(xué)可靠且符合自己需求的信息,因此信息過載問題也就更加突出�；诖�,本文構(gòu)建了一種基于多元線性回歸的兒童生長預(yù)測模型,然后根據(jù)兒童的成長信息,研究并設(shè)計(jì)一種融合兒童成長信息的協(xié)同過濾算法,最后利用提出的模型與算法設(shè)計(jì)實(shí)現(xiàn)了一個嬰幼兒成長分析的推薦系統(tǒng)。主要研究內(nèi)容如下:（1）基于多元線性回歸的兒童生長預(yù)測模型。由于利用橫斷面調(diào)查得到的數(shù)據(jù)分析兒童生長特點(diǎn)存在局限性,故使用縱向追蹤數(shù)據(jù),構(gòu)建兒童身高生長的多元線性回歸預(yù)測模型。首先從個性化... 

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 推薦算法研究現(xiàn)狀
        1.2.2 兒童生長發(fā)育研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第二章 相關(guān)技術(shù)原理
    2.1 多元線性回歸
    2.2 協(xié)同過濾推薦
    2.3 相似度計(jì)算方法
        2.3.1 Jaccard系數(shù)
        2.3.2 余弦相似度
        2.3.3 皮爾森相關(guān)系數(shù)
        2.3.4 歐幾里得距離
    2.4 本章小結(jié)
第三章 基于多元線性回歸的兒童生長預(yù)測模型
    3.1 引言
    3.2 模型的建立
        3.2.1 樣本的選取
        3.2.2 自變量的選取
        3.2.3 利用最小二乘法建立多元線性回歸模型
    3.3 模型的檢驗(yàn)
        3.3.1 顯著性檢驗(yàn)
        3.3.2 共線性分析
        3.3.3 殘差分析
    3.4 預(yù)測與比較
    3.5 本章小結(jié)
第四章 融合兒童成長信息的協(xié)同過濾推薦算法
    4.1 引言
    4.2 融合兒童成長信息的協(xié)同過濾推薦算法
        4.2.1 用戶相似度計(jì)算
        4.2.2 兒童相似度計(jì)算
        4.2.3 用戶相似度與兒童相似度的融合
        4.2.4 算法描述
    4.3 實(shí)驗(yàn)結(jié)果與分析
        4.3.1 數(shù)據(jù)集
        4.3.2 評價指標(biāo)
        4.3.3 結(jié)果與分析
    4.4 本章小結(jié)
第五章 嬰幼兒成長分析的推薦系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 項(xiàng)目背景
    5.2 系統(tǒng)需求分析
        5.2.1 系統(tǒng)功能需求分析
        5.2.2 系統(tǒng)整體組成結(jié)構(gòu)
        5.2.3 系統(tǒng)業(yè)務(wù)流程
    5.3 系統(tǒng)功能模塊的詳細(xì)設(shè)計(jì)
        5.3.1 用戶管理模塊
        5.3.2 兒童管理模塊
        5.3.3 成長記錄模塊
        5.3.4 個性化推薦模塊
    5.4 推薦系統(tǒng)數(shù)據(jù)庫設(shè)計(jì)
        5.4.1 數(shù)據(jù)庫概念設(shè)計(jì)
        5.4.2 數(shù)據(jù)庫表設(shè)計(jì)
    5.5 系統(tǒng)的展示
        5.5.1 注冊與登錄
        5.5.2 用戶管理模塊
        5.5.3 兒童管理模塊
        5.5.4 成長記錄模塊
        5.5.5 個性化推薦模塊
    5.6 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
致謝
攻讀學(xué)位期間的科研成果


【參考文獻(xiàn)】：
期刊論文
[1]基于社交信息和物品曝光度的矩陣分解推薦[J]. 韓勇,寧連舉,鄭小林,林煒華,孫中原.  浙江大學(xué)學(xué)報(bào)(工學(xué)版). 2019(01)
[2]成都市武侯區(qū)學(xué)齡期兒童身高及其影響因素調(diào)查[J]. 唐丹,龐英,鄭燕,王紅.  現(xiàn)代預(yù)防醫(yī)學(xué). 2018(16)
[3]基于多層次混合相似度的協(xié)同過濾推薦算法[J]. 袁正午,陳然.  計(jì)算機(jī)應(yīng)用. 2018(03)
[4]一種引入加權(quán)異構(gòu)信息的改進(jìn)協(xié)同過濾推薦算法[J]. 張海霞,呂振,張傳亭,袁東風(fēng).  電子科技大學(xué)學(xué)報(bào). 2018(01)
[5]非線性異方差分層模型及其參數(shù)估計(jì)[J]. 馬綽欣,錢曼玲,田茂再.  數(shù)學(xué)學(xué)報(bào)(中文版). 2017(05)
[6]融合共同評分用戶數(shù)和項(xiàng)目興趣關(guān)系的推薦算法[J]. 于陽,陳道波,金鑫,黃瑞陽.  信息工程大學(xué)學(xué)報(bào). 2017(03)
[7]多元線性回歸統(tǒng)計(jì)預(yù)測模型的應(yīng)用[J]. 冷建飛,高旭,朱嘉平.  統(tǒng)計(jì)與決策. 2016(07)
[8]基于用戶信任度和社會相似度的協(xié)作過濾算法[J]. 楊海月,朱玉婷,施化吉,徐慧.  電子技術(shù)應(yīng)用. 2016(01)
[9]地理社交網(wǎng)絡(luò)位置推薦[J]. 景寧,王躍華,鐘志農(nóng),吳燁.  國防科技大學(xué)學(xué)報(bào). 2015(05)
[10]一種融合人口統(tǒng)計(jì)屬性的協(xié)同過濾算法[J]. 楊超,艾聰聰,蔣斌,李仁發(fā).  小型微型計(jì)算機(jī)系統(tǒng). 2015(04)

博士論文
[1]基于協(xié)同過濾的推薦算法研究[D]. 劉青文.中國科學(xué)技術(shù)大學(xué) 2013
[2]個性化推薦技術(shù)中的協(xié)同過濾算法研究[D]. 夏培勇.中國海洋大學(xué) 2011

碩士論文
[1]混合記憶曲線與關(guān)聯(lián)規(guī)則的標(biāo)簽推薦算法[D]. 陳雙雙.南京郵電大學(xué) 2018
[2]基于混合推薦算法的旅游推薦系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李多加.浙江大學(xué) 2018
[3]移動APP下母嬰產(chǎn)品知識推廣平臺的設(shè)計(jì)與實(shí)現(xiàn)[D]. 張春玲.中國地質(zhì)大學(xué)(北京) 2017
[4]一種改進(jìn)的協(xié)同過濾推薦方法及其在美食領(lǐng)域的應(yīng)用[D]. 孫揚(yáng).湖南大學(xué) 2017
[5]基于Spark平臺分層協(xié)同過濾算法研究[D]. 蔣新宇.河北工業(yè)大學(xué) 2016
[6]零售商品購買決策及個性化推薦關(guān)鍵技術(shù)研究[D]. 楊壹.電子科技大學(xué) 2016
[7]基于用戶相似度的協(xié)同過濾推薦算法研究[D]. 周鯤.西南交通大學(xué) 2016
[8]協(xié)同過濾混合相似度推薦機(jī)制研究與設(shè)計(jì)[D]. 麥嘉俊.廣東工業(yè)大學(xué) 2016
[9]協(xié)同過濾推薦算法在移動智能推薦中的研究與應(yīng)用[D]. 龔亮.湖南大學(xué) 2016
[10]2488名0~6歲兒童生長發(fā)育和健康現(xiàn)狀及其影響因素分析[D]. 徐珊珊.吉林大學(xué) 2013



本文編號：3663356