移动环境下个性化推荐系统的研究与实现
| 摘要 | 第5-6页 |
| ABSTRAC T | 第6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 研究现状 | 第12-15页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.2.3 现有研究中存在的问题 | 第14-15页 |
| 1.3 论文研究内容和组织结构 | 第15-16页 |
| 第二章 相关理论与基础 | 第16-30页 |
| 2.1 推荐系统相关介绍 | 第16-20页 |
| 2.1.1 推荐系统概述 | 第16页 |
| 2.1.2 推荐系统的结构 | 第16-17页 |
| 2.1.3 推荐系统常见算法 | 第17-20页 |
| 2.2 定位技术 | 第20-22页 |
| 2.2.1 基于位置服务 | 第20-21页 |
| 2.2.2 GPS定位技术 | 第21-22页 |
| 2.3 社交网络相关介绍 | 第22-24页 |
| 2.3.1 社交网络的定义 | 第22页 |
| 2.3.2 社交网络理论基础 | 第22-23页 |
| 2.3.3 社交网络图谱 | 第23-24页 |
| 2.4 常见相似度计算方法 | 第24-26页 |
| 2.4.1 皮尔逊相关系数 | 第24页 |
| 2.4.2 余弦相似度 | 第24-25页 |
| 2.4.3 调整余弦相似度 | 第25页 |
| 2.4.4 欧氏距离 | 第25-26页 |
| 2.5 相关模型介绍 | 第26-29页 |
| 2.5.1 隐马尔科夫模型 | 第26-27页 |
| 2.5.2 决策树模型 | 第27-28页 |
| 2.5.3 随机森林模型 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 系统关键技术研究 | 第30-40页 |
| 3.1 基于智能交通模型的候选物品筛选 | 第30-32页 |
| 3.1.1 智能识别交通方式 | 第30-31页 |
| 3.1.2 获取推荐半径 | 第31页 |
| 3.1.3 获取待推荐物品列表 | 第31-32页 |
| 3.2 基于邻域的用户兴趣替代 | 第32-35页 |
| 3.2.1 搜索候选邻居 | 第32-33页 |
| 3.2.2 社交相似度计算 | 第33-34页 |
| 3.2.3 评分相似度计算 | 第34-35页 |
| 3.2.4 用户相似度融合 | 第35页 |
| 3.3 基于特征分类的用户兴趣建模 | 第35-39页 |
| 3.3.1 影响用户兴趣的因素分析 | 第35-37页 |
| 3.3.2 推荐转化成分类问题 | 第37页 |
| 3.3.3 采用随机森林创建用户兴趣模型 | 第37-38页 |
| 3.3.4 预测推荐 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 系统整体分析和设计 | 第40-46页 |
| 4.1 系统设计目标 | 第40页 |
| 4.2 系统总体设计 | 第40-42页 |
| 4.2.1 Android客户端架构 | 第41页 |
| 4.2.2 Web端架构 | 第41-42页 |
| 4.3 系统功能模块 | 第42-43页 |
| 4.4 系统开发环境 | 第43页 |
| 4.5 系统数据库设计 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 系统个性化推荐相关模块的设计与实现 | 第46-57页 |
| 5.1 物品筛选模块 | 第46-49页 |
| 5.1.1 模块框架 | 第46-47页 |
| 5.1.2 用户定位 | 第47-48页 |
| 5.1.3 推荐半径计算 | 第48-49页 |
| 5.1.4 距离计算 | 第49页 |
| 5.2 待预测集模块 | 第49-51页 |
| 5.2.1 模块框架 | 第49-50页 |
| 5.2.2 用户特征封装 | 第50页 |
| 5.2.3 交互特征封装 | 第50-51页 |
| 5.2.4 物品特征封装 | 第51页 |
| 5.2.5 组合待推荐集 | 第51页 |
| 5.3 用户兴趣模块 | 第51-55页 |
| 5.3.1 模块框架 | 第51-52页 |
| 5.3.2 社交距离筛选 | 第52页 |
| 5.3.3 相似度计算 | 第52-53页 |
| 5.3.4 计算最近邻居集 | 第53-54页 |
| 5.3.5 用户模型训练及更新 | 第54-55页 |
| 5.4 预测推荐模块 | 第55-56页 |
| 5.4.1 模块框架 | 第55页 |
| 5.4.2 评分预测 | 第55-56页 |
| 5.4.3 排序过滤 | 第56页 |
| 5.4.4 推荐解释 | 第56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 系统测试和实验结果分析 | 第57-70页 |
| 6.1 系统功能测试 | 第57-61页 |
| 6.1.1 好友管理 | 第57-58页 |
| 6.1.2 大众推荐 | 第58-59页 |
| 6.1.3 个性化推荐 | 第59-60页 |
| 6.1.4 相关设置 | 第60-61页 |
| 6.2 性能实验和结果分析 | 第61-69页 |
| 6.2.1 实验环境 | 第61-62页 |
| 6.2.2 数据集介绍及预处理 | 第62-64页 |
| 6.2.3 实验评测指标 | 第64-65页 |
| 6.2.4 实验设计和结果分析 | 第65-69页 |
| 6.3 本章小结 | 第69-70页 |
| 总结与展望 | 第70-72页 |
| 本文工作总结 | 第70-71页 |
| 未来工作展望 | 第71-72页 |
| 参考文献 | 第72-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 附件 | 第77页 |
