| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究意义和目的 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-15页 |
| 1.5 小结 | 第15-16页 |
| 第2章 个性化推荐相关理论 | 第16-20页 |
| 2.1 个性化推荐的基本概念 | 第16-17页 |
| 2.2 推荐引擎的基本工作原理 | 第17页 |
| 2.3 推荐引擎的分类 | 第17-18页 |
| 2.4 个性化推荐系统分类 | 第18-19页 |
| 2.5 小结 | 第19-20页 |
| 第3章 个性化推荐算法与智能优化算法 | 第20-25页 |
| 3.1 个性化推荐算法 | 第20-21页 |
| 3.1.1 基于关联规则的推荐算法 | 第20页 |
| 3.1.2 基于内容的推荐算法 | 第20页 |
| 3.1.3 协同过滤推荐算法 | 第20-21页 |
| 3.2 智能优化算法 | 第21-23页 |
| 3.2.1 遗传算法 | 第21-22页 |
| 3.2.2 文化基因算法 | 第22页 |
| 3.2.3 人工免疫算法 | 第22-23页 |
| 3.3 智能优化算法在个性化推荐中的应用 | 第23-24页 |
| 3.4 小结 | 第24-25页 |
| 第4章 移动场景模型设计 | 第25-30页 |
| 4.1 传统的用户兴趣模型 | 第25-26页 |
| 4.2 移动场景模型的相关参数 | 第26-27页 |
| 4.3 移动场景优化模型 | 第27-28页 |
| 4.4 移动场景优化模型与用户兴趣模型比较 | 第28-29页 |
| 4.5 小结 | 第29-30页 |
| 第5章 基于移动场景的启发式推荐算法 | 第30-38页 |
| 5.1 克隆遗传量子启发式搜索算法 | 第30-32页 |
| 5.1.1 CGQSA 算法的相关算子 | 第30-31页 |
| 5.1.2 CGQSA 算法的流程 | 第31-32页 |
| 5.2 评测用户模型的性能指标 | 第32页 |
| 5.3 实验测试与结果分析 | 第32-37页 |
| 5.4 小结 | 第37-38页 |
| 结论 | 第38-39页 |
| 参考文献 | 第39-43页 |
| 致谢 | 第43-44页 |
| 附录 A 攻读工程硕士学位期间所发表的学术论文目录 | 第44页 |