| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 1. 绪论 | 第11-17页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·移动推荐系统研究的挑战和热点 | 第12-13页 |
| ·本文主要工作和创新点 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 2. 移动互联网推荐系统综述 | 第17-30页 |
| ·移动互联网及其特点 | 第17-19页 |
| ·网络新闻特点分析 | 第19-20页 |
| ·传统互联网个性化推荐技术 | 第20-26页 |
| ·基于规则的推荐技术(Association rule-based recommendation) | 第21页 |
| ·基于内容的推荐技术(Content-based recommendation) | 第21-23页 |
| ·协同过滤推荐技术(collaborative filtering recommendation) | 第23-26页 |
| ·混合推荐技术(Hybrid recommendation) | 第26页 |
| ·新闻推荐系统的发展现状 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 3. 基于组合特征LDA的新闻文档自动摘要算法 | 第30-38页 |
| ·LDA主题模型 | 第31-33页 |
| ·基于组合特征LDA的新闻自动摘要算法 | 第33-35页 |
| ·句子的基础特征 | 第33-34页 |
| ·句子的LDA主题概率特征 | 第34-35页 |
| ·融合组合特征的关键句抽取 | 第35页 |
| ·实验结果 | 第35-37页 |
| ·实验结果分析 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4. 基于社会化标签和动态兴趣转移模型的协同过滤算法 | 第38-47页 |
| ·基于社会化标签的兴趣转移模型的协同过滤算法 | 第39-43页 |
| ·用户兴趣模型 | 第40-42页 |
| ·矩阵分解和主动推荐 | 第42-43页 |
| ·实验结果与分析 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 5. 移动互联网个性化新闻推荐系统设计 | 第47-56页 |
| ·系统设计总体框架和功能 | 第47-48页 |
| ·系统模块功能设计 | 第48-51页 |
| ·系统数据库设计 | 第51-53页 |
| ·移动健康新闻推荐APP | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 6. 总结与展望 | 第56-58页 |
| ·论文总结 | 第56页 |
| ·下一步工作展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 作者在攻读硕士学位期间主要的研究成果 | 第63页 |
