移动环境下个性化内容推荐技术研究及应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 第二章 相关技术简介 | 第17-24页 |
| 2.1 电子商务个性化推荐系统简介 | 第17-20页 |
| 2.1.1 个性化推荐系统 | 第17-18页 |
| 2.1.2 个性化推荐算法 | 第18-20页 |
| 2.2 移动环境下的个性化推荐系统 | 第20-23页 |
| 2.2.1 移动电子商务的特征 | 第20-21页 |
| 2.2.2 与传统电子商务的区别 | 第21-22页 |
| 2.2.3 基于情景的个性化推荐算法需求 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 移动环境下的用户兴趣模型分析 | 第24-33页 |
| 3.1 用户兴趣影响因素分析 | 第24-27页 |
| 3.1.1 用户信息 | 第25-26页 |
| 3.1.2 项目信息 | 第26页 |
| 3.1.3 情境信息 | 第26-27页 |
| 3.2 用户兴趣信息获取 | 第27-29页 |
| 3.3 基于情境信息的移动用户兴趣模型设计 | 第29-32页 |
| 3.3.1 基于情境的用户兴趣分析方法 | 第29-30页 |
| 3.3.2 基于情境信息的用户兴趣模型 | 第30-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第四章 移动环境下的个性化推荐算法设计 | 第33-47页 |
| 4.1 算法结构设计 | 第33-34页 |
| 4.2 算法流程设计 | 第34-40页 |
| 4.2.1 初步筛选 | 第36-37页 |
| 4.2.2 短期偏好 | 第37-38页 |
| 4.2.3 长期偏好 | 第38-39页 |
| 4.2.4 最终偏好 | 第39-40页 |
| 4.3 规则库设计 | 第40-45页 |
| 4.3.1 实例数据收集 | 第41-43页 |
| 4.3.2 影响因素确定 | 第43页 |
| 4.3.3 相关性分析 | 第43-45页 |
| 4.3.4 用户偏好计算 | 第45页 |
| 4.3.5 推荐规则设计 | 第45页 |
| 4.4 本章小结 | 第45-47页 |
| 第五章 移动环境下的个性化推荐系统设计与实现 | 第47-59页 |
| 5.1 餐厅推荐系统总体设计 | 第47页 |
| 5.2 信息存储数据库建设 | 第47-49页 |
| 5.3 服务器端功能实现 | 第49-54页 |
| 5.3.1 属性的标准化 | 第49-51页 |
| 5.3.2 数据管理功能实现 | 第51-52页 |
| 5.3.3 用户偏好规则库建设 | 第52-54页 |
| 5.4 客户端功能实现 | 第54-57页 |
| 5.4.1 环境信息输入 | 第55-56页 |
| 5.4.2 推荐列表展示 | 第56-57页 |
| 5.5 客户端与服务器端的通信实现 | 第57-58页 |
| 5.5.1 通信数据格式 | 第57-58页 |
| 5.5.2 通信数据解析 | 第58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 移动环境下的个性化推荐算法应用实验 | 第59-72页 |
| 6.1 实验方案 | 第59-62页 |
| 6.1.1 实验内容 | 第59页 |
| 6.1.2 实验环境 | 第59-60页 |
| 6.1.3 实验流程 | 第60-62页 |
| 6.2 用户兴趣偏好获取阶段 | 第62-64页 |
| 6.2.1 训练数据获取 | 第62-63页 |
| 6.2.2 规则库计算 | 第63-64页 |
| 6.3 实验实施阶段 | 第64-67页 |
| 6.3.1 调查样本 | 第64-65页 |
| 6.3.2 信息获取 | 第65-66页 |
| 6.3.3 推荐结果 | 第66-67页 |
| 6.4 实验结果对比阶段 | 第67-70页 |
| 6.4.1 预测精准度分析 | 第67-68页 |
| 6.4.2 用户满意度对比 | 第68-69页 |
| 6.4.3 推荐算法性能分析 | 第69-70页 |
| 6.5 本章小结 | 第70-72页 |
| 第七章 结论 | 第72-74页 |
| 7.1 工作总结 | 第72-73页 |
| 7.2 不足与展望 | 第73-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-77页 |
