移动应用推荐—从算法到服务若干关键技术研究
| 摘要 | 第10-13页 |
| ABSTRACT | 第13-15页 |
| 符号列表 | 第16-17页 |
| 第一章 移动应用推荐研究背景与现状 | 第17-33页 |
| 1.1 背景与意义 | 第17-19页 |
| 1.2 发展和现状 | 第19-32页 |
| 1.2.1 推荐 | 第19-25页 |
| 1.2.2 移动推荐 | 第25-27页 |
| 1.2.3 移动应用推荐 | 第27-32页 |
| 1.3 本章小结 | 第32-33页 |
| 第二章RMA框架特性与本文研究内容 | 第33-45页 |
| 2.1 RMA研究框架 | 第33-37页 |
| 2.1.1 角色和生命周期 | 第33-34页 |
| 2.1.2 对象和关键技术 | 第34-37页 |
| 2.2 RMA研究特性 | 第37-39页 |
| 2.3 本文研究内容 | 第39-42页 |
| 2.4 论文组织结构 | 第42-45页 |
| 第三章 移动应用推荐算法设计与研究 | 第45-73页 |
| 3.1 引言 | 第45-46页 |
| 3.2 RA-LSA算法设计 | 第46-52页 |
| 3.2.1 LSA方法 | 第46-48页 |
| 3.2.2 RA-LSA算法 | 第48-52页 |
| 3.3 推荐算法多样性测量 | 第52-64页 |
| 3.3.1 数据集 | 第52页 |
| 3.3.2 两类推荐 | 第52-53页 |
| 3.3.3 多样性测量 | 第53-64页 |
| 3.4 RA-MRA算法设计 | 第64-69页 |
| 3.4.1 MO-MAR模型 | 第65-67页 |
| 3.4.2 RA-MRA算法 | 第67-69页 |
| 3.5 评估验证 | 第69-71页 |
| 3.6 本章小结 | 第71-73页 |
| 第四章 移动应用推荐系统研究和实现 | 第73-97页 |
| 4.1 引言 | 第73-74页 |
| 4.2 DF-MSC框架 | 第74-76页 |
| 4.3 MAR-MSC模型 | 第76-80页 |
| 4.3.1 目标函数 | 第77-79页 |
| 4.3.2 约束条件 | 第79-80页 |
| 4.4 CF-SPSO算法设计 | 第80-86页 |
| 4.4.1 粒子群优化 | 第80-82页 |
| 4.4.2 CF-SPSO算法 | 第82-86页 |
| 4.5 评估验证 | 第86-95页 |
| 4.5.1 验证系统和数据 | 第86页 |
| 4.5.2 源推荐分析 | 第86-89页 |
| 4.5.3 评估和参数选择 | 第89-95页 |
| 4.6 本章小结 | 第95-97页 |
| 第五章 移动应用推荐发布研究和设计 | 第97-119页 |
| 5.1 引言 | 第97-98页 |
| 5.2 MARNet模型和构建 | 第98-104页 |
| 5.2.1 MARNet模型 | 第98页 |
| 5.2.2 数据集 | 第98-99页 |
| 5.2.3 ARNet构建 | 第99-101页 |
| 5.2.4 UNNet构建 | 第101页 |
| 5.2.5 初步测量和分析 | 第101-104页 |
| 5.3 ARNet测量和分析 | 第104-107页 |
| 5.3.1 节点度及其分布 | 第104-105页 |
| 5.3.2 同类性 | 第105-106页 |
| 5.3.3 直径和最短路径长度 | 第106-107页 |
| 5.4 UNNet测量和分析 | 第107-109页 |
| 5.4.1 入度分布 | 第108页 |
| 5.4.2 双向边 | 第108-109页 |
| 5.4.3 直径和最短路径长度 | 第109页 |
| 5.5 D-MAR优化设计 | 第109-117页 |
| 5.5.1 问题建模 | 第110-112页 |
| 5.5.2 UNNet重构方案 | 第112-116页 |
| 5.5.3 评估验证 | 第116-117页 |
| 5.6 本章小结 | 第117-119页 |
| 第六章 移动应用推荐服务设计和实现 | 第119-137页 |
| 6.1 引言 | 第119-120页 |
| 6.2 背景和相关工作 | 第120-121页 |
| 6.2.1 移动监测记录 | 第120页 |
| 6.2.2 移动应用分析 | 第120-121页 |
| 6.2.3 基于MAUP的应用 | 第121页 |
| 6.3 MAUP定义和挖掘 | 第121-127页 |
| 6.3.1 PAW定义和计算 | 第121-123页 |
| 6.3.2 PAA定义和挖掘 | 第123-126页 |
| 6.3.3 PCA定义和挖掘 | 第126-127页 |
| 6.4 基于MAUP的预测 | 第127-130页 |
| 6.4.1 基于PAW的预测 | 第128页 |
| 6.4.2 基于PAA的预测 | 第128-129页 |
| 6.4.3 基于PCA的预测 | 第129-130页 |
| 6.4.4 应用预测加权聚合 | 第130页 |
| 6.5 UMARS系统结构设计 | 第130-132页 |
| 6.6 评估验证 | 第132-135页 |
| 6.6.1 数据集 | 第132-133页 |
| 6.6.2 评估方法 | 第133页 |
| 6.6.3 评估结果 | 第133-135页 |
| 6.7 本章小结 | 第135-137页 |
| 第七章 研究内容总结和未来工作展望 | 第137-143页 |
| 7.1 研究内容总结 | 第137-140页 |
| 7.2 未来工作展望 | 第140-143页 |
| 致谢 | 第143-145页 |
| 参考文献 | 第145-163页 |
| 作者在学期间取得的学术成果 | 第163-164页 |
