基于交互的移动用户兴趣发现系统的设计与实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-18页 |
| 1.1 选题背景 | 第12页 |
| 1.2 研究意义 | 第12-13页 |
| 1.2.1 理论意义 | 第13页 |
| 1.2.2 应用前景 | 第13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.3.1 国内外兴趣发现的研究现状 | 第14页 |
| 1.3.2 国内外行为分析平台的研究现状 | 第14-15页 |
| 1.4 问题阐述 | 第15-16页 |
| 1.5 研究范围 | 第16页 |
| 1.6 论文组织结构 | 第16-17页 |
| 1.7 本章小结 | 第17-18页 |
| 2 问题解决关键方法的确立与优选 | 第18-28页 |
| 2.1 移动端兴趣挖掘方法的确立 | 第18-22页 |
| 2.1.1 数据采集 | 第19-20页 |
| 2.1.2 数据预处理 | 第20-21页 |
| 2.1.3 模式识别 | 第21-22页 |
| 2.1.4 模式分析 | 第22页 |
| 2.2 交互数据采集方法的确立 | 第22-24页 |
| 2.2.1 移动端数据采集的目的 | 第22-23页 |
| 2.2.2 交互数据采集的方式 | 第23-24页 |
| 2.2.3 交互数据采集方式优选 | 第24页 |
| 2.3 兴趣发现相关算法的确立 | 第24-27页 |
| 2.3.1 TF-IDF算法 | 第25-26页 |
| 2.3.2 PageRank算法及其改进 | 第26-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 基于交互的移动端兴趣发现方法确立和算法研究 | 第28-42页 |
| 3.1 兴趣发现数据项 | 第28-29页 |
| 3.2 兴趣发现数据预处理 | 第29-32页 |
| 3.2.1 访问时间预处理 | 第30页 |
| 3.2.2 文本数据预处理 | 第30-32页 |
| 3.3 兴趣发现 | 第32-39页 |
| 3.3.1 TF-IDF提取关键词的优化 | 第32-33页 |
| 3.3.2 统计分析提取关键词的优化 | 第33-34页 |
| 3.3.3 构造兴趣标签关系图 | 第34-35页 |
| 3.3.4 兴趣标签的获取 | 第35-36页 |
| 3.3.5 综合两种算法结果 | 第36-37页 |
| 3.3.6 实验验证 | 第37-39页 |
| 3.4 本章小结 | 第39-42页 |
| 4 移动用户兴趣发现系统的设计与实现 | 第42-78页 |
| 4.1 需求的分析与定义 | 第42-47页 |
| 4.1.1 用户需求分析 | 第42-43页 |
| 4.1.2 业务需求分析 | 第43-44页 |
| 4.1.3 功能需求定义 | 第44-46页 |
| 4.1.4 非功能性需求分析 | 第46-47页 |
| 4.2 架构设计 | 第47-51页 |
| 4.2.1 功能模块设计 | 第47-48页 |
| 4.2.2 系统架构设计 | 第48-49页 |
| 4.2.3 技术架构设计 | 第49-51页 |
| 4.3 接口设计 | 第51-52页 |
| 4.4 数据库设计 | 第52-57页 |
| 4.4.1 概念结构设计 | 第53页 |
| 4.4.2 逻辑结构设计 | 第53-55页 |
| 4.4.3 物理结构设计 | 第55-57页 |
| 4.5 开发环境 | 第57-58页 |
| 4.6 功能模块的实现 | 第58-76页 |
| 4.6.1 数据获取 | 第58-65页 |
| 4.6.2 数据统计 | 第65-67页 |
| 4.6.3 兴趣发现 | 第67-74页 |
| 4.6.4 数据可视化 | 第74-76页 |
| 4.7 本章小结 | 第76-78页 |
| 5 系统测试 | 第78-82页 |
| 5.1 功能性测试 | 第78-80页 |
| 5.2 非功能性测试 | 第80-81页 |
| 5.3 本章小结 | 第81-82页 |
| 6 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82-83页 |
| 6.2 展望 | 第83-84页 |
| 参考文献 | 第84-86页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第86-90页 |
| 学位论文数据集 | 第90页 |
