面向SaaS多租户的动态推荐方法研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 论文的主要内容 | 第15-16页 |
| 1.4 论文结构 | 第16-17页 |
| 第2章 相关研究工作概述 | 第17-31页 |
| 2.1 SAAS与多租户技术 | 第17-22页 |
| 2.1.1 SaaS软件服务 | 第17-18页 |
| 2.1.2 SaaS的优势及成熟度模型 | 第18-21页 |
| 2.1.3 多租户技术特点 | 第21-22页 |
| 2.2 动态推荐算法研究进展 | 第22-27页 |
| 2.2.1 用户建模方案 | 第22-23页 |
| 2.2.2 个性化推荐技术 | 第23-25页 |
| 2.2.3 推荐结果的评测指标 | 第25-27页 |
| 2.3 协同过滤算法面临的挑战 | 第27-30页 |
| 2.3.1 协同过滤技术概述 | 第27-28页 |
| 2.3.2 数据稀疏性问题 | 第28-29页 |
| 2.3.3 兴趣漂移问题 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 一种基于隐语义模型的协同推荐算法 | 第31-43页 |
| 3.1 SAAS服务推荐中问题描述与分析 | 第31-33页 |
| 3.2 算法的设计思路 | 第33-35页 |
| 3.3 算法的详细步骤 | 第35-41页 |
| 3.4 基于隐语义模型推荐算法的实现 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 基于时间效应的兴趣进化策略 | 第43-57页 |
| 4.1 兴趣进化策略的设计思路 | 第43-44页 |
| 4.2 兴趣更新算法详细步骤 | 第44-54页 |
| 4.2.1 基于显式信息的兴趣进化算法 | 第44-47页 |
| 4.2.2 基于隐式信息的兴趣进化算法 | 第47-50页 |
| 4.2.3 基于时间效应的兴趣模型统一化处理 | 第50-54页 |
| 4.3 基于时间效应的兴趣进化策略的实现 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 实验与结果分析 | 第57-64页 |
| 5.1 实验环境和测试要求 | 第57页 |
| 5.1.1 实验环境 | 第57页 |
| 5.1.2 测试要求 | 第57页 |
| 5.2 实验和结果分析 | 第57-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结和展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第71-72页 |
