基于深度学习的用户画像构建与应用.docVIP

基于深度学习的用户画像构建与应用

TOC\o1-2\h\u13740第1章引言 4

192771.1用户画像的概念与价值 4

163431.2深度学习在用户画像中的应用 4

198141.3本书结构及内容概述 4

230第2章用户画像基础知识 5

145422.1用户画像的定义与组成 5

94842.1.1用户基础属性 5

171222.1.2用户行为特征 5

98222.1.3用户兴趣偏好 5

222462.1.4用户社会属性 5

160072.2用户画像构建的基本流程 5

157212.2.1数据收集 6

315292.2.2数据预处理 6

162932.2.3特征工程 6

128442.2.4模型训练与优化 6

120552.2.5用户画像 6

157482.3用户画像的应用场景 6

150122.3.1个性化推荐 6

251482.3.2广告精准投放 6

15352.3.3客户关系管理 6

94142.3.4风险控制与反欺诈 6

238562.3.5产品设计与优化 6

7393第3章深度学习基础 7

280153.1神经网络简介 7

116673.1.1神经元模型 7

301233.1.2前向传播与反向传播 7

271433.1.3激活函数 7

134303.2深度学习主要模型 7

302913.2.1卷积神经网络（CNN） 7

179683.2.2循环神经网络（RNN） 7

275023.2.3对抗网络（GAN） 7

321643.2.4变分自编码器（VAE） 7

163543.3深度学习框架与工具 7

211103.3.1TensorFlow 7

7653.3.2PyTorch 8

71853.3.3Keras 8

262493.3.4Caffe 8

17655第4章用户数据采集与预处理 8

131464.1用户数据的来源与类型 8

168004.1.1用户基本信息 8

264144.1.2用户行为数据 8

121134.1.3用户社交数据 8

283434.1.4用户文本数据 8

252214.1.5用户时空数据 9

176074.2用户数据采集方法 9

107324.2.1网络爬虫 9

184154.2.2API接口调用 9

291894.2.3数据挖掘 9

251094.2.4问卷调查 9

58534.3用户数据预处理技术 9

148014.3.1数据清洗 9

236774.3.2数据集成 9

91024.3.3数据转换 9

30824.3.4特征工程 9

309074.3.5数据采样 9

252544.3.6数据存储与管理 9

28059第5章特征工程 10

103835.1特征提取与选择 10

6205.1.1特征提取 10

148715.1.2特征选择 10

212515.2用户行为特征分析 10

228815.2.1用户行为类型及特征 10

245955.2.2用户行为特征应用 11

59005.3文本与图像特征处理 11

19595.3.1文本特征处理 11

207855.3.2图像特征处理 11

20139第6章深度学习模型构建 12

8696.1用户画像建模方法 12

275056.1.1数据预处理 12

142286.1.2特征工程 12

167796.1.3用户画像建模 12

99706.2神经网络结构设计 12

167756.2.1网络层数与神经元个数 12

213446.2.2激活函数选择 12

294976.2.3网络连接方式 12

258376.3模型优化与正则化 12

265646.3.1优化算法 12

134016.3.2损失函数 12

308486.3.3正则化方法 13

293846.3.4模型调参 13

88086.3.5模型评估 13

8205第7章用户画像构建实践 13

24987.1基于深度学习的用户画像框架 13

194987.1.1深度学习技术概述 13

204947.1.2用户画像构建流程