导读:本文包含了用户预测论文开题报告文献综述及选题提纲参考文献，主要关键词:女性消费,电子消费品,购买决策,未来用户,营销信息,电视购物,原生代,二次元,科技感,城市蔓延
用户预测论文文献综述
李雪婷[1]（2020）在《“女全经济”主导全家消费 女性消费覆盖范围持续变广》一文中研究指出预测一2020年，由数字原生代主导的社圈文化会更加成熟。探索无界限，社圈有高墙，在数字原生代不断壮大的过程中，有越来越多的新文化注入，在他们对世界的探索不断扩大的同时，黑科技圈、电竞圈、手办圈、二次元圈等社圈文化不断成熟，电子消费品品牌在理解其需(本文来源于《中国妇女报》期刊2020-01-10）
周俊鹏,高岭,曹瑞,高全力,郑杰[2]（2019）在《基于商品评论的群体用户情感趋势预测研究》一文中研究指出提出了一种基于商品评论的群体用户情感趋势预测方法.首先,提出了基于Boson NLP的情感特征词识别算法,对时间维度下的商品评论信息进行特征选取;其次,使用群体用户多维特征向量构造多层感知器(MLP)模型进行情感分析;最后,融合评论时间和用户情感倾向值构建群体用户时序情感倾向序列,并通过长短时记忆网络(LSTM)模型进行时序情感趋势预测.在大规模真实数据集上的实验结果表明,MLP模型具有较好的分类效果;相比于现有的自回归(AR)模型,LSTM模型的平均均方差降低了79. 06%,能够取得更加精准的预测结果.(本文来源于《郑州大学学报(理学版)》期刊2019年04期）
袁健,蒋宇,孙悦[3]（2019）在《基于改进随机森林算法的LBSN用户短期位置预测模型》一文中研究指出针对已有的基于LBSN的用户短期位置预测模型性能较低的现状,提出了一种基于改进随机森林算法的LBSN用户短期位置预测模型SPMLIRFA.该模型对随机森林算法进行改进并应用于LBSN用户在短期内的位置预测问题中,SPMLIRFA模型的主要思想是将用户的位置预测问题抽象为对给定的候选位置的分类问题来实现.该模型将时间因素,空间因素,个人社交因素和社交群体的签到地点热门因素特征进行量化,通过计算特征量化值的Fisher比值来衡量特征的重要程度,训练样本则按照特征重要程度划分的比例来采样,再将该样本作为随机森林的训练集,生成模型后分类预测位置.实验结果表明,SPMLIRFA在用户短期位置预测问题上有着较好的泛化性和准确率.(本文来源于《小型微型计算机系统》期刊2019年11期）
叶成,郑红,程云辉[4]（2019）在《基于多模型融合的流失用户预测方法》一文中研究指出准确的用户流失预测能力有助于企业提高用户保持率、增加用户数量和增加盈利。现有的流失用户预测模型大多为单一模型或是多个模型的简单融合,没有充分发挥多模型集成的优势。借鉴了随机森林的Bootstrap Sampling的思想,提出了一种改进的Stacking集成方法,并将该方法应用到了真实数据集上进行流失用户的预测。通过验证集上的实验比较可知,提出的方法在流失用户F1值、召回率和预测准确率3项指标上均好于所有相同结构的经典Stacking集成方法;当采用恰当的集成结构时,其表现可超越基分类器上的最优表现。(本文来源于《计算机工程与科学》期刊2019年11期）
肖英,吴俊菁,陆磊,李海霞,封竹琳[5]（2019）在《基于用户类别的智慧用电存量用户流失量智能预测方法》一文中研究指出为了提高智慧用电存量用户流失量的预测精度,针对用户类别提出存量用户流失量智能预测方法。基于用户类别信息,对存量用户数据进行预处理,包括数据集成、数据清洗以及数据变化等操作,以BP神经网络学习算法为核心,搭建预测网络结构,确定各层节点数量,将预处理后的用户数据,添加到预测网络结构输入层,设定数据迭代次数和误差立方量,根据训练样本判断输出结果,实现用户流失量的智能预测。实验数据表明,与传统预测方法相比,设计的智能预测方法对于智慧用电完整信息用户流失量预测精度提高了27%,缺失信息用户流失量预测精确度提高了17.35,%,可以有效提高预测精度。(本文来源于《自动化与仪器仪表》期刊2019年10期）
李丽莎,李涛,谭永全[6]（2019）在《基于用户迁移的LTE VoLTE容量预测》一文中研究指出主要从目前用户业务使用情况,根据不同小区不同业务模型,迁移至VoLTE对LTE容量的影响,提出基于话务迁移的LTE容量预测解决方案,有效的保障现网用户的使用感知,在目前的LTE网络实践中得到有效的应用。(本文来源于《2019广东通信青年论坛优秀论文专刊》期刊2019-10-11）
许鹏翔,胡琳欣,饶新益[7]（2019）在《基于GBDT算法的家宽用户离网预测模型研究》一文中研究指出"宽带中国"战略正在抓紧推进,宽带业务发展日新月异,为了提升宽带用户忠诚度,挽留潜在离网用户,需要识别潜在可能离网的用户并精准识别挽留客户同时对预警客户级别分群,提前预警,使得客户流失有迹可循。传统离网预测通常采用统计分析的方法,通过数学统计的相关理论及技术将数据背后的规律分析出来,并借助规律给出在网用户的离网概率,此方法在实际离网预测中比较容易实现,但是预测准确度较低。采用机器学习中的GBDT算法,通过特征选取和历史离网数据进行建模分析,提升潜在离网用户预测的准确性,从而提升用户服务质量及引导网络优化。(本文来源于《2019广东通信青年论坛优秀论文专刊》期刊2019-10-11）
师璞,张罡帅,赵耀民,黄辉,李锦钰[8]（2019）在《电力用户敏感程度分析及停电投诉预测》一文中研究指出依据电力客户的行为制定相应的服务模式是提高供电服务质量的关键,文章根据B市电力客户日常与停电后的客服数据,以配电网供电台区为单位对客户的敏感度进行分析。由于实际客服数据中特征变量较多,为了减少高维空间中的计算量,故先采用t分布随机邻域嵌入法对数据集进行降维,再采用混合高斯分布进行建模,并用期望最大值算法求解最优分类结果,将客户敏感程度分为5级。同时,客户的敏感度的提出可以提高客户停电投诉的预测准确性,选取B市近两年的17万条停电数据作为训练集,采用3种有监督机器学习方法对客户投诉的二分类预测结果进行10折交叉验证,发现决策树的预测结果明显优于其他方法,并形成并行集成学习方法,可有效提高预测准确率,有助于提升电力公司停电计划的安排和客户安抚工作辅助决策,提升客户服务质量。(本文来源于《供用电》期刊2019年10期）
熊文德,李华丽[9]（2019）在《5G用户数扩散预测研究》一文中研究指出2019-06-06,5G牌照正式发放,中国正式进入5G商用元年。4G改变生活,5G改变社会。5G的创新发展价值被寄予厚望,因此,研究和预测5G扩散过程,对通信运营商、终端研发制造商、内容提供商等制订发展战略具有重要意义。在专家预测的基础上,使用Bass模型完善了对5G扩散过程的预测。(本文来源于《科技与创新》期刊2019年18期）
柯水平,白子建,孙峣[10]（2019）在《基于多用户配流的空港集疏运交通量预测》一文中研究指出针对各运输方式的容量规划及场站、配套设施设计的问题,对空港集疏运交通量进行预测。由空港吞吐量确定进出空港集疏运交通量,按照不同的出行方式的特点确定各自分配的交通量;通过运输量与交通量的转化模型,采用粒子群优化算法求解,最终得到预测的空港集疏运交通量。研究发现:预测的结果与实际调查基本一致,为机场交通枢纽与机场规划、各种运输方式容量规划及设计等提供基础研究支持和具体方法。(本文来源于《交通与运输》期刊2019年05期）
用户预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出了一种基于商品评论的群体用户情感趋势预测方法.首先,提出了基于Boson NLP的情感特征词识别算法,对时间维度下的商品评论信息进行特征选取;其次,使用群体用户多维特征向量构造多层感知器(MLP)模型进行情感分析;最后,融合评论时间和用户情感倾向值构建群体用户时序情感倾向序列,并通过长短时记忆网络(LSTM)模型进行时序情感趋势预测.在大规模真实数据集上的实验结果表明,MLP模型具有较好的分类效果;相比于现有的自回归(AR)模型,LSTM模型的平均均方差降低了79. 06%,能够取得更加精准的预测结果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
用户预测论文参考文献
[1].李雪婷.“女全经济”主导全家消费女性消费覆盖范围持续变广[N].中国妇女报.2020
[2].周俊鹏,高岭,曹瑞,高全力,郑杰.基于商品评论的群体用户情感趋势预测研究[J].郑州大学学报(理学版).2019
[3].袁健,蒋宇,孙悦.基于改进随机森林算法的LBSN用户短期位置预测模型[J].小型微型计算机系统.2019
[4].叶成,郑红,程云辉.基于多模型融合的流失用户预测方法[J].计算机工程与科学.2019
[5].肖英,吴俊菁,陆磊,李海霞,封竹琳.基于用户类别的智慧用电存量用户流失量智能预测方法[J].自动化与仪器仪表.2019
[6].李丽莎,李涛,谭永全.基于用户迁移的LTEVoLTE容量预测[C].2019广东通信青年论坛优秀论文专刊.2019
[7].许鹏翔,胡琳欣,饶新益.基于GBDT算法的家宽用户离网预测模型研究[C].2019广东通信青年论坛优秀论文专刊.2019
[8].师璞,张罡帅,赵耀民,黄辉,李锦钰.电力用户敏感程度分析及停电投诉预测[J].供用电.2019
[9].熊文德,李华丽.5G用户数扩散预测研究[J].科技与创新.2019
[10].柯水平,白子建,孙峣.基于多用户配流的空港集疏运交通量预测[J].交通与运输.2019
标签：女性消费; 电子消费品; 购买决策; 未来用户; 营销信息; 电视购物; 原生代; 二次元; 科技感; 城市蔓延;