| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景及意义 | 第10-11页 |
| 1.2 信息推荐算法的研究现状 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-12页 |
| 1.2.2 个性化推荐技术面临的问题 | 第12-14页 |
| 1.2.3 个性化推荐的市场走向 | 第14-15页 |
| 1.3 课题的来源及主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 第2章 相关理论概述 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 个性化推荐的原理与组成 | 第17-21页 |
| 2.2.1 个性化推荐原理 | 第17页 |
| 2.2.2 个性化推荐的步骤 | 第17-18页 |
| 2.2.3 个性化推荐的作用 | 第18-19页 |
| 2.2.4 个性化推荐分类 | 第19-21页 |
| 2.3 移动环境的特点及其对个性化推荐的要求 | 第21-22页 |
| 2.3.1 移动计算的特点 | 第21-22页 |
| 2.3.2 移动环境对个性化推荐的需求 | 第22页 |
| 2.4 相似度度量 | 第22-25页 |
| 2.5 LDA主题模型 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于用户相似度和主题相似度的个性化推荐算法 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 算法模型设计 | 第28-33页 |
| 3.2.1 算法简介 | 第28-29页 |
| 3.2.2 用户属性相似度计算 | 第29-30页 |
| 3.2.3 用户间互动行为相似度计算 | 第30-31页 |
| 3.2.4 用户在线状态下的行为权重特征求解 | 第31-33页 |
| 3.3 离线个性化推荐算法 | 第33页 |
| 3.4 复杂兴趣下的个性化推荐算法 | 第33-38页 |
| 3.5 在线个性化推荐算法 | 第38-39页 |
| 3.6 冷启动推荐算法 | 第39-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 实验与结果分析 | 第43-52页 |
| 4.1 引言 | 第43页 |
| 4.2 个性化推荐算法评估指标 | 第43页 |
| 4.3 LDA模型对比 | 第43-44页 |
| 4.4 实验结果分析与比较 | 第44-51页 |
| 4.4.1 离线推荐实验 | 第44-48页 |
| 4.4.2 复杂兴趣下推荐算法实验 | 第48-49页 |
| 4.4.3 在线推荐实验 | 第49-50页 |
| 4.4.4 冷启动推荐实验 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59页 |