| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景和意义 | 第8-9页 |
| ·国内外研究现状分析 | 第9-14页 |
| ·本文研究目标、内容和创新点 | 第14-16页 |
| ·研究目标 | 第14页 |
| ·研究内容 | 第14-15页 |
| ·论文创新点 | 第15-16页 |
| 第二章 相关理论基础 | 第16-36页 |
| ·数据挖掘相关理论 | 第16-19页 |
| ·数据挖掘概念及特征 | 第16-17页 |
| ·数据挖掘工具 | 第17页 |
| ·数据挖掘过程 | 第17-19页 |
| ·相关数据挖掘方法及技术 | 第19页 |
| ·KNN协同过滤挖掘技术 | 第19-26页 |
| ·KNN协同过滤算法基本思想 | 第20-21页 |
| ·协同过滤实现过程 | 第21-23页 |
| ·协同过滤算法分类 | 第23-24页 |
| ·协同过滤推荐质量评估 | 第24-25页 |
| ·协同过滤推荐的优缺点 | 第25-26页 |
| ·模糊聚类分析 | 第26-31页 |
| ·用户行为相关理论 | 第31-35页 |
| ·用户行为模型 | 第31-34页 |
| ·用户行为情境 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于用户行为的手机阅读个性化推荐 | 第36-52页 |
| ·移动手机阅读业务简介 | 第36页 |
| ·基于用户行为的兴趣度模型构建 | 第36-40页 |
| ·移动手机阅读用户DPM行为分析 | 第38页 |
| ·移动手机阅读用户兴趣度计算 | 第38-40页 |
| ·基于用户行为情境的模糊聚类 | 第40-43页 |
| ·移动手机阅读用户行为情境分析 | 第40-41页 |
| ·移动手机阅读用户行为情境聚类 | 第41-43页 |
| ·协同过滤相似度改进 | 第43-47页 |
| ·基于CRR-CF的个性化阅读推荐 | 第47-51页 |
| ·个性化阅读内容推荐流程 | 第47-49页 |
| ·个性化阅读内容推荐框架 | 第49-50页 |
| ·推荐效果评估 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第四章 实证研究——以某移动公司手机阅读个性化推荐为例 | 第52-84页 |
| ·本实例的商业理解 | 第52页 |
| ·数据来源 | 第52-53页 |
| ·数据准备 | 第53-58页 |
| ·数据抽取 | 第53-55页 |
| ·数据预处理 | 第55-58页 |
| ·基于CRR-CF的某移动公司个性化图书类型推荐 | 第58-83页 |
| ·基于DPM行为的用户—图书评分的生成 | 第60-62页 |
| ·某移动公司手机阅读用户情境聚类 | 第62-68页 |
| ·推荐方法应用及结果分析 | 第68-73页 |
| ·与Pearson-CF的推荐质量比较 | 第73-77页 |
| ·手机阅读用户情境聚类有效性验证 | 第77-79页 |
| ·某移动公司手机阅读业务个性化阅读推荐建议 | 第79-83页 |
| ·本章小结 | 第83-84页 |
| 总结与展望 | 第84-86页 |
| 参考文献 | 第86-91页 |
| 致谢 | 第91-92页 |
| 个人简历及科研成果 | 第92页 |