| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·引言 | 第7-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·国外研究现状 | 第9-11页 |
| ·国内研究现状 | 第11-12页 |
| ·研究目的与意义 | 第12页 |
| ·主要内容与工作 | 第12-13页 |
| ·论文结构 | 第13-15页 |
| 第二章 移动个性化信息推荐关键技术及影响因素分析 | 第15-27页 |
| ·个性化信息推荐技术 | 第15-19页 |
| ·基于规则的推荐技术 | 第15-16页 |
| ·基于内容分类的推荐技术 | 第16-18页 |
| ·协同过滤推荐技术 | 第18-19页 |
| ·手机阅读技术分析 | 第19-20页 |
| ·J2ME 移动开发技术 | 第20-24页 |
| ·J2ME 概述 | 第20-21页 |
| ·J2ME 体系结构 | 第21-22页 |
| ·MIDlet 生命周期 | 第22-23页 |
| ·J2ME 与WAP 比较 | 第23-24页 |
| ·影响移动个性化信息推荐的主要因素 | 第24-25页 |
| ·本章小结 | 第25-27页 |
| 第三章ATC 与CF 结合的移动个性化推荐模型 | 第27-43页 |
| ·Item-based 协同过滤算法综述 | 第27-30页 |
| ·传统的Item-based 协同过滤（CF）推荐模型 | 第27-29页 |
| ·项目相似度计算方法 | 第29-30页 |
| ·ATC 与改进的CF 结合的移动个性化推荐框架 | 第30-31页 |
| ·加权朴素贝叶斯自动文本分类（WNBC）算法 | 第31-35页 |
| ·贝叶斯文本分类理论基础 | 第31-32页 |
| ·加权朴素贝叶斯文本分类过程 | 第32-34页 |
| ·WNBC 算法描述 | 第34-35页 |
| ·改进的协同过滤推（CF）推荐算法 | 第35-42页 |
| ·算法总体流程 | 第36-38页 |
| ·用户分类方法 | 第38-39页 |
| ·改进的项目相似度计算方法 | 第39-40页 |
| ·改进的CF 算法描述 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于J2ME 的移动个性化信息推荐系统设计与实现 | 第43-59页 |
| ·总体设计 | 第43-45页 |
| ·总体网络架构 | 第43-44页 |
| ·系统层次结构模型 | 第44-45页 |
| ·服务器端软件模块及关键问题解决方法 | 第45-51页 |
| ·功能模块 | 第45页 |
| ·文本向量空间模型 | 第45-48页 |
| ·“冷启动”解决方法 | 第48页 |
| ·数据稀疏问题解决方法 | 第48-51页 |
| ·基于J2ME 的客户端软件设计与实现 | 第51-54页 |
| ·客户端模型 | 第51-53页 |
| ·数据采集方法 | 第53页 |
| ·客户端安全策略 | 第53-54页 |
| ·客户端-服务器通信模型 | 第54-56页 |
| ·数据库设计 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 系统测试与性能分析 | 第59-69页 |
| ·加权NBC 算法性能分析测试 | 第59-62页 |
| ·改进的协同过滤推（CF）荐算法性能分析 | 第62-64页 |
| ·系统整体运行情况 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·论文总结 | 第69页 |
| ·研究展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 读研期间研究成果 | 第77-78页 |