摘要 | 第4-5页 |
Abstract | 第5页 |
目录 | 第6-9页 |
1 绪论 | 第9-13页 |
1.1 研究背景 | 第9-11页 |
1.2 研究意义 | 第11-12页 |
1.3 论文结构 | 第12-13页 |
2 推荐算法介绍 | 第13-19页 |
2.1 典型推荐系统 | 第13-14页 |
2.2 经典推荐算法 | 第14-15页 |
2.3 协同过滤推荐算法 | 第15-18页 |
2.3.1 协同过滤推荐算法的实现方式 | 第15-16页 |
2.3.2 基于用户的协同过滤推荐算法 | 第16-17页 |
2.3.3 协同过滤推荐算法的评估 | 第17-18页 |
2.4 本章小结 | 第18-19页 |
3 ICONIX 软件过程 | 第19-26页 |
3.1 软件开发过程简介 | 第19-20页 |
3.2 ICONIX 软件过程 | 第20-21页 |
3.3 ICONIX 软件过程具体流程 | 第21-25页 |
3.3.1 明确愿景 | 第21页 |
3.3.2 业务建模 | 第21-22页 |
3.3.3 需求分析 | 第22-24页 |
3.3.4 健壮性分析 | 第24页 |
3.3.5 详细设计 | 第24-25页 |
3.3.6 实现与测试 | 第25页 |
3.4 本章小结 | 第25-26页 |
4 系统需求分析与详细设计 | 第26-43页 |
4.1 苹果应用本地化推荐系统需求及设计 | 第26页 |
4.2 明确愿景 | 第26页 |
4.3 需求分析 | 第26-29页 |
4.3.1 域建模 | 第26-27页 |
4.3.2 功能性需求分析 | 第27-29页 |
4.3.3 非功能性需求分析 | 第29页 |
4.4 技术架构设计 | 第29-31页 |
4.4.1 开发环境选择 | 第29页 |
4.4.2 MVC 设计模式 | 第29-30页 |
4.4.3 缓存机制 | 第30页 |
4.4.4 CURL 网络交互 | 第30-31页 |
4.4.5 PHP 定时任务 | 第31页 |
4.5 推荐算法设计 | 第31-34页 |
4.5.1 传统相似度计算方法存在的问题 | 第31-32页 |
4.5.2 基于加权信息熵理论计算用户相似度 | 第32-33页 |
4.5.3 实验结果分析 | 第33-34页 |
4.6 数据存储设计 | 第34-36页 |
4.6.1 数据库设计 | 第34-35页 |
4.6.2 概念模型设计 | 第35页 |
4.6.3 逻辑模型设计 | 第35-36页 |
4.7 关键模块详细设计 | 第36-42页 |
4.7.1 应用推荐模块 | 第36-37页 |
4.7.2 搜索应用模块 | 第37-39页 |
4.7.3 显示应用详细信息模块 | 第39-40页 |
4.7.4 更新应用及更新应用评论模块 | 第40-41页 |
4.7.5 备份数据模块 | 第41-42页 |
4.8 本章小结 | 第42-43页 |
5 系统实现与测试 | 第43-57页 |
5.1 协同过滤算法的实现 | 第43-48页 |
5.1.1 PHP 代码实现 | 第43-47页 |
5.1.2 推荐模块界面展示 | 第47-48页 |
5.2 系统核心模块界面展示及系统实现 | 第48-55页 |
5.2.1 应用搜索模块 | 第48-50页 |
5.2.2 应用详情展示模块 | 第50-51页 |
5.2.3 管理员更新应用模块 | 第51-52页 |
5.2.4 PHP 中使用 CURL 建立网络连接 | 第52-53页 |
5.2.5 备份数据库 | 第53-54页 |
5.2.6 PHP 定时任务 | 第54-55页 |
5.3 系统测试 | 第55-56页 |
5.4 本章小结 | 第56-57页 |
6 总结与展望 | 第57-59页 |
6.1 系统取得的成果 | 第57页 |
6.2 系统存在的问题 | 第57-58页 |
6.3 系统改进建议 | 第58-59页 |
参考文献 | 第59-62页 |
致谢 | 第62页 |