摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第10-16页 |
1.1 课题研究背景与意义 | 第10-11页 |
1.1.1 研究背景 | 第10-11页 |
1.1.2 研究意义 | 第11页 |
1.2 国内外研究现状 | 第11-13页 |
1.2.1 国外研究现状 | 第11-12页 |
1.2.2 国内研究现状 | 第12-13页 |
1.2.3 现有研究中存在的问题 | 第13页 |
1.3 论文主要内容与组织结构 | 第13-16页 |
1.3.1 论文主要内容 | 第13-14页 |
1.3.2 论文组织结构 | 第14-16页 |
第2章 相关技术及理论介绍 | 第16-25页 |
2.1 个性化推荐系统 | 第16-18页 |
2.1.1 什么是推荐系统 | 第16-17页 |
2.1.2 推荐系统在电子商务中的应用 | 第17-18页 |
2.2 基于用户行为分析的推荐技术 | 第18-22页 |
2.2.1 基于用户的协同过滤算法 | 第18-19页 |
2.2.2 基于物品的协同过滤推荐 | 第19-20页 |
2.2.3 混合推荐算法 | 第20-21页 |
2.2.4 其他推荐技术 | 第21-22页 |
2.3 移动设备电子商务 | 第22-24页 |
2.3.1 移动设备电子商务的特点 | 第22页 |
2.3.2 位置信息在推荐中的重要性 | 第22-23页 |
2.3.3 位置信息对于推荐系统的优化 | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第3章 移动设备位置信息的获取 | 第25-32页 |
3.1 室内定位 | 第25-28页 |
3.1.1 基于WiFi的定位技术 | 第25-26页 |
3.1.2 基于惯性传感器的定位技术 | 第26-27页 |
3.1.3 基于蓝牙的定位技术 | 第27页 |
3.1.4 基于射频识别(RFID)的室内定位技术 | 第27-28页 |
3.2 位置信息的获取 | 第28-31页 |
3.2.1 HTML5获取地理位置定位信息 | 第29页 |
3.2.2 HTML5 Geolocation API | 第29-31页 |
3.3 本章小结 | 第31-32页 |
第4章 基于位置信息的推荐算法的研究 | 第32-41页 |
4.1 好友关系 | 第32页 |
4.1.1 线上好友关系 | 第32页 |
4.1.2 线上与线下结合的好友关系 | 第32页 |
4.2 基于位置信息的用户聚类 | 第32-34页 |
4.2.1 用户线下信息 | 第32-34页 |
4.2.2 用户的聚类 | 第34页 |
4.3 线下信息的获取 | 第34-36页 |
4.3.1 签到信息的获取 | 第34页 |
4.3.2 停留时间的获取 | 第34-36页 |
4.4 用户间相似性的计算 | 第36-38页 |
4.4.1 用户评分相似性 | 第36-37页 |
4.4.2 用户位置信息相似性 | 第37页 |
4.4.3 相似性的综合 | 第37-38页 |
4.5 推荐的产生 | 第38-39页 |
4.6 推荐流程图 | 第39页 |
4.7 特点 | 第39-40页 |
4.7.1 冷启动的问题 | 第39-40页 |
4.7.2 稀疏性问题。 | 第40页 |
4.8 本章小结 | 第40-41页 |
第5章 实验与结果分析 | 第41-56页 |
5.1 实验环境 | 第41页 |
5.2 实验数据集的描述 | 第41页 |
5.3 度量标准 | 第41-43页 |
5.4 实验过程 | 第43-46页 |
5.4.1 计算用户评分相似性 | 第43-44页 |
5.4.2 计算用户位置相似性 | 第44页 |
5.4.3 计算用户的综合相似性 | 第44-45页 |
5.4.4 评分预测 | 第45页 |
5.4.5 Top-N推荐 | 第45-46页 |
5.5 实验结果 | 第46-50页 |
5.5.1 评分预测结果 | 第46-47页 |
5.5.2 Top-N推荐结果 | 第47-50页 |
5.6 店铺停留时间的获取 | 第50-55页 |
5.6.1 用户端 | 第50-53页 |
5.6.2 数据库设计 | 第53-54页 |
5.6.3 基于店铺停留时间推荐优缺点 | 第54-55页 |
5.7 本章小结 | 第55-56页 |
第6章 结论与展望 | 第56-58页 |
6.1 结论 | 第56页 |
6.2 展望 | 第56-58页 |
参考文献 | 第58-60页 |
发表论文和参加科研情况说明 | 第60-61页 |
致谢 | 第61-62页 |