情境导向的农业信息推荐技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题研究背景和意义 | 第9-10页 |
| 1.2 课题国内外研究现状 | 第10页 |
| 1.3 本文主要内容和结构 | 第10-12页 |
| 第二章 相关技术简介 | 第12-25页 |
| 2.0 情境定义及表示 | 第12-13页 |
| 2.1 情境感知 | 第13-14页 |
| 2.2 本体及OWL建模语言 | 第14-16页 |
| 2.3 传统推荐系统 | 第16-23页 |
| 2.3.1 个性化推荐 | 第16-17页 |
| 2.3.2 推荐技术比较 | 第17-21页 |
| 2.3.3 移动环境下推荐系统 | 第21-22页 |
| 2.3.4 推荐系统若干关键问题 | 第22-23页 |
| 2.4 情境导向的推荐技术 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 基于本体的情境模型 | 第25-35页 |
| 3.1 本体服务模型 | 第25-28页 |
| 3.1.1 农村社区用户模型 | 第25-26页 |
| 3.1.2 用户偏好模型 | 第26页 |
| 3.1.3 农业信息模型 | 第26-28页 |
| 3.1.4 用户偏好与农业信息相似度计算 | 第28页 |
| 3.2 OWL文档转换至关系数据库 | 第28-33页 |
| 3.2.1 XML转换至关系型数据库 | 第29页 |
| 3.2.2 共享内联技术 | 第29-32页 |
| 3.2.3 OWL文档映射算法 | 第32-33页 |
| 3.3 算法分析与验证 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 情境导向的协同过滤算法 | 第35-46页 |
| 4.1 推荐系统模型 | 第35-37页 |
| 4.2 情境导向的协同过滤推荐模型 | 第37-39页 |
| 4.2.1 推荐模型构建 | 第37页 |
| 4.2.2 模型框架 | 第37-39页 |
| 4.3 情境导向的协同过滤推荐算法 | 第39-44页 |
| 4.3.1 协同过滤推荐 | 第39-40页 |
| 4.3.2 情境导向的推荐算法 | 第40-41页 |
| 4.3.3 情境导向的协同过滤推荐算法 | 第41-44页 |
| 4.4 目标用户推荐项目的生成 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 系统模型及实验 | 第46-56页 |
| 5.1 推荐结果评价标准 | 第46-48页 |
| 5.2 实验数据集与实验环境 | 第48-50页 |
| 5.2.1 数据集介绍 | 第48-49页 |
| 5.2.2 实验环境 | 第49页 |
| 5.2.3 数据集处理 | 第49-50页 |
| 5.3 改进后的协同过滤算法实验 | 第50-52页 |
| 5.3.1 基于用户的协同过滤算法实现 | 第50页 |
| 5.3.2 基于情境的预过滤 | 第50-51页 |
| 5.3.3 基于情境的后过滤推荐 | 第51页 |
| 5.3.4 基于情境建模推荐算法 | 第51-52页 |
| 5.4 算法综合评测 | 第52-54页 |
| 5.5 本章小结 | 第54-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56-57页 |
| 6.2 问题与展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间主要成果 | 第62-63页 |
| 致谢 | 第63页 |
