| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-20页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-17页 |
| 1.2.1 O2O平台应用模式——以餐饮外卖O2O平台为例 | 第9-13页 |
| 1.2.2 餐饮外卖O2O平台问题分析 | 第13-15页 |
| 1.2.3 云存储隐私保护技术研究 | 第15-16页 |
| 1.2.4 个性化推荐技术研究 | 第16-17页 |
| 1.3 研究内容及创新点 | 第17-18页 |
| 1.4 论文组织结构 | 第18-20页 |
| 第二章 基于用户隐私保护的O2O平台服务推荐框架 | 第20-30页 |
| 2.1 基于用户隐私保护的O2O平台应用框架 | 第20-22页 |
| 2.1.1 混合云结构下的应用框架构建 | 第20-21页 |
| 2.1.2 应用框架相关主体 | 第21-22页 |
| 2.2 基于统一认证与云存储保护技术的用户隐私信息保护方案 | 第22-28页 |
| 2.2.1 基于统一认证的用户隐私保护方案 | 第23-27页 |
| 2.2.2 基于隐私保护的O2O平台存储过程 | 第27-28页 |
| 2.3 基于隐私保护的餐饮外卖O2O平台推荐过程 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于用户分组的隐私数据存储保护技术 | 第30-39页 |
| 3.1 基于相似用户分组的隐私保护算法 | 第30-34页 |
| 3.1.1 SimRank相似用户分组 | 第31-32页 |
| 3.1.2 垂直数据划分 | 第32-34页 |
| 3.2 隐私保护算法应用示例 | 第34-36页 |
| 3.3 相似用户分组实验分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 个性化餐户推荐算法研究 | 第39-46页 |
| 4.1 基于项目的协同过滤推荐算法 | 第39-40页 |
| 4.1.1 基于项目的协同过滤推荐算法简介 | 第39页 |
| 4.1.2 项目相似度计算 | 第39-40页 |
| 4.2 改进的基于项目的协同过滤推荐算法描述 | 第40-42页 |
| 4.2.1 距离敏感度需求 | 第41页 |
| 4.2.2 推荐结果求精 | 第41-42页 |
| 4.3 餐户个性化推荐算法实验分析 | 第42-44页 |
| 4.4 本章小结 | 第44-46页 |
| 第五章 基于统一认证的云平台服务原型系统设计 | 第46-58页 |
| 5.1 云平台环境搭建 | 第46-48页 |
| 5.1.1 Hadoop云平台总体架构 | 第46-47页 |
| 5.1.2 Hadoop虚拟平台搭建介绍 | 第47-48页 |
| 5.2 统一认证平台原型系统设计 | 第48-57页 |
| 5.2.1 系统模块设计 | 第48-53页 |
| 5.2.2 数据库设计 | 第53-55页 |
| 5.2.3 系统功能设计 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第65页 |