| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 引言 | 第9-13页 |
| 1.1 论文背景及意义 | 第9-10页 |
| 1.2 研究内容 | 第10-11页 |
| 1.3 论文安排结构 | 第11-12页 |
| 1.4 本文所做的主要工作 | 第12-13页 |
| 第2章 相关理论和技术介绍 | 第13-21页 |
| 2.1 个性化推荐系统 | 第13-14页 |
| 2.1.1 个性化推荐系统的概念 | 第13-14页 |
| 2.1.2 个性化推荐系统的特点 | 第14页 |
| 2.2 移动商务应用的个性化推荐系统 | 第14-16页 |
| 2.2.1 移动商务应用的个性化推荐系统概念 | 第14-15页 |
| 2.2.2 移动商务应用的个性化推荐系统特点 | 第15页 |
| 2.2.3 移动商务应用个性化推荐系统的算法特征 | 第15-16页 |
| 2.3 个性化推荐算法 | 第16-19页 |
| 2.3.1 基于内容的推荐算法 | 第16-17页 |
| 2.3.2 基于用户的协同过滤算法 | 第17页 |
| 2.3.3 基于项目的协同过滤算法 | 第17-18页 |
| 2.3.4 相似度计算方法 | 第18-19页 |
| 2.4 Slope One 算法 | 第19-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 基于 M&C 模式的用户兴趣模型 | 第21-33页 |
| 3.1 用户兴趣模型 | 第21-25页 |
| 3.1.1 用户兴趣模型的表示 | 第21-23页 |
| 3.1.2 用户兴趣模型信息的收集 | 第23-25页 |
| 3.2 用户位置情景信息收集 | 第25-27页 |
| 3.2.1 位置情景定义 | 第25-26页 |
| 3.2.2 位置情景的分类 | 第26页 |
| 3.2.3 位置情景信息的收集 | 第26-27页 |
| 3.3 基于 M&C 的用户兴趣模型 | 第27-32页 |
| 3.3.1 M&C 模式的移动商务应用 | 第27-28页 |
| 3.3.2 M&C 模式与用户兴趣的结合 | 第28-29页 |
| 3.3.3 M&C 模式的用户兴趣模型特征 | 第29-30页 |
| 3.3.4 M&C 模式的用户兴趣模型建立 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于 M&C 模式的移动商务应用个性化推荐算法 | 第33-48页 |
| 4.1 项目聚类及距离计算 | 第33-36页 |
| 4.1.1 基于位置的项目聚类 | 第33-34页 |
| 4.1.2 U-I 距离计算 | 第34-35页 |
| 4.1.3 用户位置更新的延时请求策略 | 第35-36页 |
| 4.2 基于 M&C 模式的位置相似度计算 | 第36-40页 |
| 4.2.1 基于 M&C 模式的位置相似度算法 | 第36-38页 |
| 4.2.2 基于 M&C 模式的位置相似度演算过程 | 第38-40页 |
| 4.3 基于 M&C 模式的 L-Slope One 算法 | 第40-43页 |
| 4.3.1 L-Slope One 算法概述 | 第40-41页 |
| 4.3.2 L-Slope One 算法设计 | 第41-42页 |
| 4.3.3 L-Slope One 算法复杂度分析与比较 | 第42-43页 |
| 4.4 基于 M&C 模式的个性化推荐算法 | 第43-46页 |
| 4.4.1 基于 M&C 模式的个性化推荐算法概述 | 第43-44页 |
| 4.4.2 基于 M&C 模式的个性化推荐算法设计 | 第44-46页 |
| 4.4.3 基于 M&C 模式的个性化推荐算法的描述 | 第46页 |
| 4.5 本章小结 | 第46-48页 |
| 第5章 实验分析 | 第48-58页 |
| 5.1 实验环境描述 | 第48-49页 |
| 5.2 实验设计 | 第49-52页 |
| 5.2.1 数据来源 | 第49-50页 |
| 5.2.2 实验流程设计 | 第50-51页 |
| 5.2.3 实验方案设计 | 第51-52页 |
| 5.3 实验结果分析 | 第52-57页 |
| 5.3.1 位置的敏感度测试分析 | 第52-54页 |
| 5.3.2 L-Slope One 算法的精度测试分析 | 第54-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-63页 |
