| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 个性化推荐系统 | 第10页 |
| 1.2.2 传统的音乐推荐系统 | 第10-12页 |
| 1.2.3 移动环境上下文感知推荐 | 第12页 |
| 1.3 论文的主要研究内容及组织结构 | 第12-15页 |
| 第2章 相关研究综述 | 第15-25页 |
| 2.1 语义相似度计算 | 第15-17页 |
| 2.1.1 WordNet | 第15-16页 |
| 2.1.2 WordNet的组织结构 | 第16-17页 |
| 2.2 分类算法概述 | 第17-22页 |
| 2.2.1 K-近邻算法 | 第17-18页 |
| 2.2.2 决策树 | 第18-21页 |
| 2.2.3 朴素贝叶斯 | 第21-22页 |
| 2.3 Storm分布式流处理框架 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 移动用户行为感知的音乐推荐的研究 | 第25-41页 |
| 3.1 移动环境用户行为感知的音乐推荐的问题定义 | 第25页 |
| 3.2 歌单语义相似度分析 | 第25-30页 |
| 3.2.1 歌单数据获取与预处理 | 第27-28页 |
| 3.2.2 基于WordNet语义树的语义相似度算法 | 第28-30页 |
| 3.3 预测用户行为 | 第30-33页 |
| 3.3.1 传感器数据的处理 | 第30-32页 |
| 3.3.2 使用朴素贝叶斯预测用户行为 | 第32-33页 |
| 3.4 生成推荐结果 | 第33-39页 |
| 3.4.1 音乐在类别中的权重计算 | 第33-34页 |
| 3.4.2 基于用户聚类的协同过滤音乐推荐算法 | 第34-39页 |
| 3.5 本章小结 | 第39-41页 |
| 第4章 实验结果与评价 | 第41-49页 |
| 4.1 分类算法实验结果与评价 | 第41-46页 |
| 4.1.1 数据集及数据处理 | 第41-42页 |
| 4.1.2 实验过程 | 第42-46页 |
| 4.2 推荐算法实验结果与评价 | 第46-48页 |
| 4.2.1 推荐算法的评价方式 | 第46页 |
| 4.2.2 实验结果 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 移动用户行为感知的音乐推荐系统关键模块设计 | 第49-71页 |
| 5.1 需求分析 | 第49-54页 |
| 5.1.1 系统目标 | 第49页 |
| 5.1.2 用户特点 | 第49页 |
| 5.1.3 功能性需求 | 第49-54页 |
| 5.1.4 非功能性需求 | 第54页 |
| 5.2 概要设计 | 第54-58页 |
| 5.2.1 系统整体结构 | 第54-55页 |
| 5.2.2 系统技术架构 | 第55-57页 |
| 5.2.3 推荐算法实现流程 | 第57-58页 |
| 5.3 详细设计 | 第58-70页 |
| 5.3.1 数据库设计 | 第58-61页 |
| 5.3.2 模块详细设计 | 第61-65页 |
| 5.3.3 系统实现 | 第65-68页 |
| 5.3.4 系统客户端实现效果 | 第68-69页 |
| 5.3.5 系统测试 | 第69-70页 |
| 5.4 本章总结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间取得的研究成果 | 第77-79页 |
| 致谢 | 第79页 |