面向移动终端的新闻推荐系统的研究与实现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文的研究内容和意义 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第2章 推荐算法综述 | 第13-23页 |
| 2.1 推荐算法概述 | 第13页 |
| 2.2 基于内容的推荐算法 | 第13-17页 |
| 2.2.1 基于内容的推荐算法层次结构 | 第14-15页 |
| 2.2.2 常用的基于内容的推荐算法 | 第15-16页 |
| 2.2.3 基于内容推荐算法的优缺点 | 第16-17页 |
| 2.3 协同过滤推荐算法 | 第17-21页 |
| 2.3.1 基于用户的协同过滤算法 | 第17-20页 |
| 2.3.2 基于物品的协同过滤算法 | 第20-21页 |
| 2.3.3 协同过滤推荐算法的优缺点 | 第21页 |
| 2.4 混合模型推荐算法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 基本推荐算法模型研究 | 第23-40页 |
| 3.1 针对移动端新闻推荐系统的特殊性分析 | 第23-24页 |
| 3.2 相似度算法研究 | 第24-34页 |
| 3.2.1 用户相似度算法原理 | 第25-31页 |
| 3.2.2 用户相似度算法的实验分析 | 第31-34页 |
| 3.3 协同过滤推荐算法研究 | 第34-39页 |
| 3.3.1 协同过滤推荐算法原理 | 第34-37页 |
| 3.3.2 推荐系统评价指标 | 第37-38页 |
| 3.3.3 协同过滤推荐算法比较分析 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 推荐算法影响因素研究 | 第40-46页 |
| 4.1 基于时间上下文的推荐算法研究 | 第40-43页 |
| 4.1.1 推荐系统中的时间上下文 | 第40页 |
| 4.1.2 加入时间因素的推荐算法 | 第40-43页 |
| 4.2 基于地理位置的推荐算法研究 | 第43-44页 |
| 4.3 本文用到的混合模型推荐算法 | 第44-45页 |
| 4.3.1 相似度算法加入地理位置信息 | 第44页 |
| 4.3.2 协同过滤推荐算法加入时间因素 | 第44页 |
| 4.3.3 多样性推荐 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 面向移动端的新闻推荐系统设计与实现 | 第46-60页 |
| 5.1 系统需求分析 | 第46页 |
| 5.2 系统总体设计 | 第46-48页 |
| 5.3 系统关键模块设计 | 第48-50页 |
| 5.3.1 特征向量提取模块 | 第48页 |
| 5.3.2 推荐算法模块 | 第48-50页 |
| 5.3.3 后处理模块 | 第50页 |
| 5.4 系统详细设计 | 第50-56页 |
| 5.4.1 数据库设计 | 第50-52页 |
| 5.4.2 类设汁 | 第52-56页 |
| 5.5 系统推荐效果分析 | 第56-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 论文工作总结 | 第60页 |
| 6.2 未来展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67页 |
