| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 概论 | 第9-17页 |
| ·研究背景 | 第9-12页 |
| ·选题背景 | 第9-10页 |
| ·涉及的关键技术 | 第10-12页 |
| ·研究目的和意义 | 第12-14页 |
| ·研究目的 | 第12-13页 |
| ·研究意义 | 第13-14页 |
| ·国际，国内相关领域的研究现状 | 第14-16页 |
| ·国际研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-16页 |
| ·研究内容 | 第16-17页 |
| 第二章 基于Agent理论的OTA系统中个性化应用推荐系统模型 | 第17-25页 |
| ·系统的提出 | 第17-19页 |
| ·系统提出的背景 | 第17-18页 |
| ·系统的简单工作流程 | 第18页 |
| ·系统要实现的功能 | 第18-19页 |
| ·系统的主要特征 | 第19页 |
| ·基于Agent理论的OTA系统中个性化应用推荐系统模型 | 第19-24页 |
| ·Agent原理及结构 | 第19-21页 |
| ·个性化应用推荐系统结构 | 第21-22页 |
| ·OTA系统中个性化应用推荐系统模型结构 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 系统模型的实现与移动用户的兴趣发现 | 第25-34页 |
| ·OTA系统中个性化应用推荐系统模型中的主要Agent的逻辑结构 | 第25-27页 |
| ·服务器端管理 Agent的逻辑结构 | 第25页 |
| ·用户兴趣挖掘 Agent的逻辑结构 | 第25-26页 |
| ·推送决策挖掘 Agent的逻辑结构 | 第26页 |
| ·其他 Agent的结构 | 第26-27页 |
| ·移动用户模型的建立 | 第27-28页 |
| ·系统中移动用户兴趣建模问题的提出 | 第27页 |
| ·移动用户兴趣模型的建立 | 第27-28页 |
| ·用户兴趣的发现算法 | 第28页 |
| ·用户兴趣的预测算法 | 第28-31页 |
| ·多兴趣下用户兴趣预测的解决思路 | 第29页 |
| ·用户兴趣预测算法描述 | 第29-31页 |
| ·实验分析与仿真结果 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 个性化推荐过程 | 第34-47页 |
| ·个性化推荐思想综述 | 第34-36页 |
| ·用户信息需求的个性化分析 | 第34-35页 |
| ·用户行为造就个性化服务的必要 | 第35页 |
| ·个性化网络服务的特征 | 第35页 |
| ·个性化服务推荐过程的设计 | 第35-36页 |
| ·基于聚类分析理论的推荐方法 | 第36-41页 |
| ·聚类分析的基本理论 | 第37-39页 |
| ·划分聚类方法 | 第39-40页 |
| ·本系统采用基于k-中心点思想的聚类算法 | 第40-41页 |
| ·基于聚类结果的个性化推荐 | 第41页 |
| ·基于关联规则与决策树的个性化推荐方法 | 第41-44页 |
| ·关联规则的基本概念 | 第41-43页 |
| ·应用于个性化应用推荐的关联规则发现 | 第43-44页 |
| ·实验结果与分析 | 第44-46页 |
| ·基于聚类分析的推荐实验分析 | 第44-45页 |
| ·基于关联规则推荐的实验分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 研究工作总结与展望 | 第47-49页 |
| ·研究工作总结 | 第47-48页 |
| ·未来的研究内容展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 作者攻读学位期间发表的学术论文目录 | 第53页 |
