| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-13页 |
| ·研究背景 | 第8-9页 |
| ·课题来源 | 第9页 |
| ·国内外研究现状及研究意义 | 第9-10页 |
| ·研究内容和主要工作 | 第10-11页 |
| ·论文组织结构 | 第11-13页 |
| 第2章 基于iTV预处理的节目个性化推荐技术相关理论 | 第13-21页 |
| ·IPTV概述 | 第13-14页 |
| ·个性化推荐系统相关技术 | 第14-18页 |
| ·个性化推荐系统概述 | 第14页 |
| ·推荐系统的组成 | 第14-15页 |
| ·个性化推荐技术 | 第15-18页 |
| ·知识情境 | 第18-20页 |
| ·知识情境概念 | 第18-19页 |
| ·基于情境的知识重用的主要方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 协同过滤技术分析和情境建模 | 第21-30页 |
| ·协同过滤技术分析 | 第21-26页 |
| ·协同过滤概述 | 第21页 |
| ·基于用户的协同过滤算法 | 第21-23页 |
| ·基于项的协同过滤算法 | 第23-24页 |
| ·协同过滤中存在的问题及改进措施 | 第24-26页 |
| ·情境建模技术分析 | 第26-29页 |
| ·情境建模方法 | 第26-28页 |
| ·相似性评估算法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于知识情境的节目个性化推荐算法 | 第30-39页 |
| ·实验数据集及实验环境 | 第30-31页 |
| ·评价指标 | 第31-32页 |
| ·对预测评分的评价 | 第31-32页 |
| ·对推荐结果的评价 | 第32页 |
| ·基于知识情境的个性化推荐算法 | 第32-36页 |
| ·算法提出的基本思想 | 第32-33页 |
| ·算法实现 | 第33-36页 |
| ·实验分析 | 第36-38页 |
| ·实验过程 | 第36-37页 |
| ·结果分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 节目个性化推荐在iTV系统中的应用 | 第39-50页 |
| ·电信iTV预处理系统架构 | 第39-40页 |
| ·系统环境 | 第40-41页 |
| ·iTV业务预处理系统整体设计 | 第41-43页 |
| ·客户信息查询 | 第42-43页 |
| ·日志查询 | 第43页 |
| ·节目个性化推送模块的设计与实现 | 第43-49页 |
| ·用户兴趣建模 | 第43-46页 |
| ·节目个性化推送 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-53页 |
| ·总结 | 第50-51页 |
| ·进一步研究方向 | 第51页 |
| ·展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间的研究成果 | 第57页 |