| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题背景和意义 | 第9-10页 |
| 1.2 相关主流技术简介 | 第10-11页 |
| 1.3 目前待解决问题 | 第11-14页 |
| 1.3.1 经典推荐难题 | 第11-13页 |
| 1.3.2 移动互联网环境下所面临的挑战 | 第13-14页 |
| 1.3.3 探究推荐技术可能发展的新方向 | 第14页 |
| 1.4 课题的研究内容 | 第14-16页 |
| 1.5 本文的章节安排 | 第16-17页 |
| 第二章 相关研究工作 | 第17-42页 |
| 2.1 实验环境介绍 | 第17-18页 |
| 2.2 应用场景分析 | 第18-20页 |
| 2.3 用户行为分析 | 第20-24页 |
| 2.4 模型评价指标 | 第24-26页 |
| 2.5 基于相似度距离公式的算法改进 | 第26-33页 |
| 2.5.1 理论与设计 | 第26-31页 |
| 2.5.2 实验评估 | 第31-33页 |
| 2.6 基于移动互联网场景的算法改进 | 第33-40页 |
| 2.6.1 理论与设计 | 第33-39页 |
| 2.6.2 实验评估 | 第39-40页 |
| 2.7 本章小结 | 第40-42页 |
| 第三章 基于多维信息环境下的多分类列表调整算法的“嵌套型”推荐模型(NSR-MRA) | 第42-69页 |
| 3.1 多分类列表调整算法(MRA) | 第42-49页 |
| 3.1.1 理论与设计 | 第43-48页 |
| 3.1.2 算法实例 | 第48-49页 |
| 3.2 NSR-MRA模型设计 | 第49-53页 |
| 3.2.1 模型的输入及输出 | 第50-51页 |
| 3.2.2 量化指标权重函数 | 第51页 |
| 3.2.3 “嵌套型”可扩展结构 | 第51页 |
| 3.2.4 控制器与推荐模式 | 第51-52页 |
| 3.2.5 参数空间的最优化 | 第52页 |
| 3.2.6 NSR-MRA自动化流程 | 第52-53页 |
| 3.3 NSR-MRA性能优化 | 第53-59页 |
| 3.3.1 优化方法及相关理论证明 | 第53-57页 |
| 3.3.2 运算精度及计算复杂度分析 | 第57-59页 |
| 3.4 模型评估 | 第59-64页 |
| 3.4.1 实验环境及评估方法 | 第59-60页 |
| 3.4.2 实验结果及分析 | 第60-64页 |
| 3.5 模型附加组件:模糊分类迭代器 | 第64-67页 |
| 3.5.1 问题描述 | 第64-65页 |
| 3.5.2 理论与设计 | 第65-66页 |
| 3.5.3 实验结果 | 第66-67页 |
| 3.6 本章小结 | 第67-69页 |
| 第四章 总结与展望 | 第69-71页 |
| 4.1 本文工作总结 | 第69-70页 |
| 4.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 作者攻读学位期间发表的学术论文目录 | 第77页 |