协同过滤推荐算法在移动智能推荐中的研究与应用
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-21页 |
| 1.1 研究背景与意义 | 第14-16页 |
| 1.1.1 选题背景 | 第14-15页 |
| 1.1.2 选题意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 论文结构 | 第19-21页 |
| 第2章 个性化推荐方法与技术 | 第21-37页 |
| 2.1 推荐系统分类 | 第21-24页 |
| 2.1.1 基于内容的推荐 | 第22-23页 |
| 2.1.2 基于协同过滤的推荐 | 第23页 |
| 2.1.3 混合推荐 | 第23-24页 |
| 2.2 协同过滤推荐 | 第24-31页 |
| 2.2.1 协同过滤推荐算法概述 | 第24-25页 |
| 2.2.2 协同过滤推荐算法分类 | 第25-26页 |
| 2.2.3 协同过滤推荐步骤 | 第26-31页 |
| 2.3 上下文感知推荐 | 第31-35页 |
| 2.3.1 上下文感知 | 第31-33页 |
| 2.3.2 上下文感知推荐系统 | 第33-35页 |
| 2.4 基于关联规则推荐 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 第3章 移动推荐中引入协同过滤的策略 | 第37-46页 |
| 3.1 移动推荐的特点和要求 | 第37-39页 |
| 3.1.1 移动推荐系统特点 | 第37-38页 |
| 3.1.2 移动推荐的要求 | 第38-39页 |
| 3.2 协同过滤引入到移动推荐面临的问题 | 第39-41页 |
| 3.2.1 协同过滤的特点 | 第39-40页 |
| 3.2.2 协同过滤引入到移动推荐面临的问题 | 第40-41页 |
| 3.3 上下文引入的作用及方法 | 第41-45页 |
| 3.3.1 上下文的含义及作用 | 第41-43页 |
| 3.3.2 上下文引入方法 | 第43-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 移动智能推荐中的协同过滤推荐算法 | 第46-67页 |
| 4.1 数据的形式化定义 | 第46-47页 |
| 4.2 上下文相似度 | 第47-50页 |
| 4.2.1 基于上下文的用户-项目评分矩阵 | 第47-48页 |
| 4.2.2 上下文相似度计算 | 第48-50页 |
| 4.3 项目组合相似度 | 第50-53页 |
| 4.3.1 基于项目-属性的矩阵 | 第50-51页 |
| 4.3.2 项目属性相似度计算 | 第51页 |
| 4.3.3 项目评分相似度计算 | 第51-52页 |
| 4.3.4 项目组合相似度计算 | 第52-53页 |
| 4.4 融合上下文的协同过滤推荐算法 | 第53-58页 |
| 4.4.1 算法设计 | 第53-54页 |
| 4.4.2 算法实现 | 第54-56页 |
| 4.4.3 算法复杂度 | 第56-58页 |
| 4.5 算法验证 | 第58-66页 |
| 4.5.1 评价指标 | 第58-59页 |
| 4.5.2 实验数据 | 第59-61页 |
| 4.5.3 实验过程及结果分析 | 第61-66页 |
| 4.6 本章小结 | 第66-67页 |
| 第5章 移动推荐原型设计与实现 | 第67-82页 |
| 5.1 业务需求和功能模型 | 第67-69页 |
| 5.1.1 业务需求 | 第67-68页 |
| 5.1.2 功能模型 | 第68-69页 |
| 5.2 移动推荐系统架构 | 第69-70页 |
| 5.3 推荐系统数据库设计 | 第70-71页 |
| 5.4 推荐模块实现 | 第71-79页 |
| 5.4.1 离线处理 | 第71-74页 |
| 5.4.2 在线处理 | 第74-76页 |
| 5.4.3 相似度算法实现 | 第76-78页 |
| 5.4.4 推荐模块界面 | 第78-79页 |
| 5.5 其它模块界面 | 第79-81页 |
| 5.6 本章小结 | 第81-82页 |
| 结论 | 第82-84页 |
| 参考文献 | 第84-89页 |
| 致谢 | 第89-90页 |
| 附录A 攻读学位期间所发表的学术论文 | 第90页 |
