| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 概述 | 第11-12页 |
| 1.2 推荐以及推荐系统 | 第12-15页 |
| 1.3 轻量级服务 | 第15-16页 |
| 1.4 论文主要研究的内容及贡献 | 第16-17页 |
| 1.5 论文组织结构 | 第17页 |
| 1.6 参考文献 | 第17-19页 |
| 第二章 相关研究工作及背景 | 第19-39页 |
| 2.1 概述 | 第19页 |
| 2.2 推荐的应用场景 | 第19-24页 |
| 2.2.1 商品推荐 | 第20-21页 |
| 2.2.2 社交网络中的好友推荐 | 第21-22页 |
| 2.2.3 个性化广告、新闻等的推荐 | 第22-23页 |
| 2.2.4 电影、音乐、视频等的推荐 | 第23页 |
| 2.2.5 基于位置的推荐 | 第23-24页 |
| 2.3 两类推荐问题 | 第24-25页 |
| 2.4 推荐算法分类 | 第25-28页 |
| 2.4.1 基于内容的推荐 | 第25-26页 |
| 2.4.2 基于协同过滤的推荐 | 第26-27页 |
| 2.4.3 基于社交关系的推荐 | 第27-28页 |
| 2.5 协同过滤推荐方法分类 | 第28-29页 |
| 2.6 协同过滤推荐方法面临的主要问题 | 第29-32页 |
| 2.6.1 冷启动问题 | 第29-30页 |
| 2.6.2 数据稀疏性问题 | 第30-32页 |
| 2.6.3 可扩展性问题 | 第32页 |
| 2.7 推荐结果评价 | 第32-34页 |
| 2.7.1 准确度 | 第32-34页 |
| 2.7.2 覆盖率 | 第34页 |
| 2.8 基于协同过滤的服务推荐主要过程 | 第34-35页 |
| 2.9 参考文献 | 第35-39页 |
| 第三章 协同过滤推荐中基于比值的相似度计算方法 | 第39-58页 |
| 3.1 概述 | 第39-40页 |
| 3.2 服务的QoS属性分类 | 第40-41页 |
| 3.3 现有相似度计算方法 | 第41-45页 |
| 3.4 一种基于比值的相似度计算方法 | 第45-49页 |
| 3.5 实验 | 第49-54页 |
| 3.5.1 实验数据集 | 第49页 |
| 3.5.2 预测方法 | 第49-50页 |
| 3.5.3 评价标准 | 第50页 |
| 3.5.4 实验及分析 | 第50-54页 |
| 3.6 本章小结 | 第54页 |
| 3.7 参考文献 | 第54-58页 |
| 第四章 基于比值相似度的协同过滤服务推荐方法 | 第58-95页 |
| 4.1 概述 | 第58-59页 |
| 4.2 现有的预测方法 | 第59-62页 |
| 4.3 一种新的预测未知值的方法 | 第62-75页 |
| 4.4 服务推荐 | 第75-76页 |
| 4.5 实验 | 第76-89页 |
| 4.5.1 实验建立 | 第76-77页 |
| 4.5.2 实验对比方法及参数设定 | 第77页 |
| 4.5.3 评价指标 | 第77-78页 |
| 4.5.5 实验结果及分析 | 第78-89页 |
| 4.5.6 时间复杂度分析 | 第89页 |
| 4.6 小结 | 第89-90页 |
| 4.7 参考文献 | 第90-95页 |
| 第五章 轻量级移动服务推荐 | 第95-125页 |
| 5.1 概述 | 第95-96页 |
| 5.2 移动自组织网络 | 第96-98页 |
| 5.3 传统互联网、移动互联网以及自组织网络中的服务推荐 | 第98-99页 |
| 5.4 服务推荐中的上下文 | 第99-100页 |
| 5.5 移动自组织网络中一种服务推荐模型 | 第100-101页 |
| 5.6 基于上下文的节点相似度计算方法 | 第101-114页 |
| 5.6.1 现有的计算方法 | 第101-103页 |
| 5.6.2 基于上下文的节点相似度计算方法 | 第103-114页 |
| 5.7 实验 | 第114-122页 |
| 5.8 本章小结 | 第122页 |
| 5.9 参考文献 | 第122-125页 |
| 第六章 总结与展望 | 第125-127页 |
| 6.1 论文总结 | 第125页 |
| 6.2 进一步研究工作 | 第125-127页 |
| 致谢 | 第127-128页 |
| 攻读学位期间发表的学术论文 | 第128-129页 |
| 攻读学位期间完成和参与的项目 | 第129页 |