摘要 | 第1-8页 |
ABSTRACT | 第8-14页 |
第一章 绪论 | 第14-24页 |
·研究背景与意义 | 第14-16页 |
·本文主要研究内容与章节安排 | 第16-21页 |
·主要研究内容 | 第16-19页 |
·章节安排 | 第19-21页 |
·本章参考文献 | 第21-24页 |
第二章 上下文感知推荐系统研究综述 | 第24-54页 |
·概述 | 第24-27页 |
·上下文感知推荐系统中的上下文感知计算 | 第27-29页 |
·上下文用户偏好提取技术 | 第29-31页 |
·上下文感知推荐生成技术 | 第31-38页 |
·上下文感知推荐系统的效用评价 | 第38-41页 |
·上下文感知推荐系统的应用进展 | 第41-43页 |
·上下文感知推荐系统研究发展的难点与热点 | 第43-47页 |
·本章小结 | 第47页 |
·本章参考文献 | 第47-54页 |
第三章 移动网络服务中基于认知心理学的上下文用户偏好提取方法 | 第54-70页 |
·引言 | 第54-56页 |
·问题背景 | 第54-55页 |
·相关工作 | 第55-56页 |
·基于认知心理学的上下文用户偏好提取 | 第56-62页 |
·基于认知心理学的移动用户偏好提取模型视图 | 第56-57页 |
·移动用户偏好信息结构建模 | 第57-58页 |
·基于认知心理学的用户偏好提取方法研究设计 | 第58-62页 |
·实验与分析 | 第62-67页 |
·模拟数据集MobileServices | 第62-65页 |
·评价标准 | 第65页 |
·实验步骤 | 第65-66页 |
·实验结果及分析 | 第66-67页 |
·本章小结 | 第67-68页 |
·本章参考文献 | 第68-70页 |
第四章 上下文感知推荐系统的稀疏性问题研究 | 第70-86页 |
·引言 | 第70-72页 |
·问题背景 | 第70页 |
·相关工作 | 第70-72页 |
·基于高阶奇异值分解和上下文波动性分析的多维度上下文感知推荐方法 | 第72-78页 |
·上下文感知推荐系统的稀疏性问题的数学描述 | 第72-74页 |
·张量与高阶奇异值分解 | 第74页 |
·TensorCARS方法 | 第74-78页 |
·实验与分析 | 第78-82页 |
·实验数据集 | 第78-79页 |
·评价标准 | 第79-80页 |
·实验步骤 | 第80-81页 |
·实验结果及分析 | 第81-82页 |
·本章小结 | 第82-83页 |
·本章参考文献 | 第83-86页 |
第五章 基于情绪特征上下文分析的推荐方法研究 | 第86-106页 |
·引言 | 第86-89页 |
·问题背景 | 第86-88页 |
·相关工作 | 第88-89页 |
·基于情绪特征上下文分析的推荐方法 | 第89-96页 |
·单纯的基于情绪特征上下文分析的协同过滤方法 | 第90-93页 |
·基于情绪特征上下文分析的混合式协同过滤方法 | 第93-94页 |
·基于高阶奇异值分解技术的情绪关联推荐方法 | 第94-96页 |
·实验与分析 | 第96-103页 |
·Moviepliot数据集 | 第96-97页 |
·评价标准 | 第97-98页 |
·基准对比方法和实验步骤 | 第98-99页 |
·实验结果及分析 | 第99-103页 |
·本章小结 | 第103-104页 |
·本章参考文献 | 第104-106页 |
第六章 基于社会化网络的上下文感知推荐系统研究 | 第106-120页 |
·引言 | 第106-108页 |
·问题背景 | 第106-107页 |
·相关工作 | 第107-108页 |
·基于社会化网络的上下文感知推荐系统 | 第108-112页 |
·一种基于社会化网络的上下文感知推荐系统的定义 | 第109-110页 |
·一种启发式的基于社会化网络的上下文感知推荐方法 | 第110-112页 |
·实验与分析 | 第112-116页 |
·实验数据集与基准对比方法 | 第112-113页 |
·评价标准 | 第113-114页 |
·实验结果及分析 | 第114-116页 |
·本章小结 | 第116页 |
·本章参考文献 | 第116-120页 |
第七章 总结与展望 | 第120-124页 |
·总结 | 第120-121页 |
·展望 | 第121-123页 |
·本章参考文献 | 第123-124页 |
附录 图/表目录 | 第124-126页 |
致谢 | 第126-128页 |
攻读博士学位期间完成的主要论文 | 第128-129页 |