| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 传统推荐算法研究现状 | 第9-11页 |
| 1.2.2 上下文感知推荐研究现状 | 第11-12页 |
| 1.3 研究工作与结构安排 | 第12-14页 |
| 1.3.1 研究工作 | 第12-13页 |
| 1.3.2 内容结构 | 第13-14页 |
| 第二章 上下文感知交互推荐系统研究综述 | 第14-18页 |
| 2.1 上下文感知推荐系统 | 第14-15页 |
| 2.2 推荐系统中用户的偏好提取技术 | 第15-16页 |
| 2.2.1 一般的推荐算法的用户偏好提取技术 | 第15页 |
| 2.2.2 基于定量分析的推荐算法 | 第15-16页 |
| 2.3 基于图模型的推荐算法 | 第16-18页 |
| 第三章 基于上下文感知的交互启发推荐算法 | 第18-27页 |
| 3.1 引言 | 第18-19页 |
| 3.2 基于上下文感知的交互式推荐算法研究 | 第19-21页 |
| 3.2.1 上下文感知推荐算法中的动态随机最优化问题 | 第19-20页 |
| 3.2.2 TP-Learning启发式学习算法 | 第20-21页 |
| 3.3 运用TP-Learning算法的上下文推荐算法 | 第21-23页 |
| 3.3.1 TP-Learning学习算法用于交互感知 | 第21-22页 |
| 3.3.2 上下文情境的动态感知 | 第22-23页 |
| 3.4 实验及分析 | 第23-26页 |
| 3.4.1 实验数据集 | 第23-24页 |
| 3.4.2 实验评价标准 | 第24页 |
| 3.4.3 实验结果分析 | 第24-26页 |
| 3.4.4 用户感知交互模型实验 | 第26页 |
| 3.5 本章小结 | 第26-27页 |
| 第四章 基于时间衰减与用户相似权重的二部图推荐算法 | 第27-36页 |
| 4.1 引言 | 第27页 |
| 4.2 传统的二部图推荐算法研究 | 第27-29页 |
| 4.3 基于时间衰减与用户相似权重的二部图推荐算法 | 第29-32页 |
| 4.3.1 对用户资源值的调整 | 第29-30页 |
| 4.3.2 对第一步非均匀分配资源的系数调整 | 第30-31页 |
| 4.3.3 对第二步资源分配系数的调整 | 第31-32页 |
| 4.4 算法详细步骤 | 第32页 |
| 4.5 实验及分析 | 第32-34页 |
| 4.5.1 实验数据集 | 第32页 |
| 4.5.2 评价标准 | 第32-33页 |
| 4.5.3 实验结果分析 | 第33-34页 |
| 4.6 本章小结 | 第34-36页 |
| 第五章 融合上下文信息的电子商务推荐系统架构 | 第36-42页 |
| 5.1 引言 | 第36页 |
| 5.2 电子商务系统中的推荐算法及其特点 | 第36-38页 |
| 5.2.1 电子商务系统中的推荐算法 | 第36-37页 |
| 5.2.2 电子商务系统推荐系统的特点 | 第37-38页 |
| 5.3 应用感知交互上下文的电子商务推荐系统架构 | 第38-41页 |
| 5.4 本章小结 | 第41-42页 |
| 第六章 总结与展望 | 第42-44页 |
| 6.1 工作总结 | 第42-43页 |
| 6.2 工作展望 | 第43-44页 |
| 参考文献 | 第44-46页 |
| 攻读硕士学位期间取得的科研成果 | 第46-47页 |
| 致谢 | 第47页 |
