| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 论文研究的背景及意义 | 第10-11页 |
| 1.1.1 论文研究的背景 | 第10-11页 |
| 1.1.2 研究的目的和意义 | 第11页 |
| 1.2 国内外的研究现状 | 第11-14页 |
| 1.2.1 个性化推荐系统的现状 | 第11-13页 |
| 1.2.2 推荐算法的研究现状 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 论文的组织安排 | 第15-16页 |
| 第二章 相关技术和理论的介绍 | 第16-22页 |
| 2.1 iOS平台相关技术 | 第16-19页 |
| 2.1.1 移动设备上的推送机制 | 第16-17页 |
| 2.1.2 iOS平台推送原理 | 第17-18页 |
| 2.1.3 CloudKit | 第18-19页 |
| 2.2 协同过滤的推荐原理简介 | 第19-21页 |
| 2.2.1 基于用户的推荐 | 第20页 |
| 2.2.2 基于项目的推荐 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 情景感知的移动推荐系统框架 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 情景感知的相关理论 | 第22-23页 |
| 3.2.1 情景的定义和情景感知 | 第22页 |
| 3.2.2 情景感知计算的概念 | 第22-23页 |
| 3.2.3 情景感知系统的基本结构 | 第23页 |
| 3.3 基于情景感知的移动推荐框架设计 | 第23-28页 |
| 3.3.1 通用的情景感知框架模型 | 第23-25页 |
| 3.3.2 移动推荐与传统推荐 | 第25-26页 |
| 3.3.3 移动平台的推荐系统框架 | 第26-28页 |
| 3.4 企业环境下的情景感知 | 第28-33页 |
| 3.4.1 用户情景 | 第29页 |
| 3.4.2 时间情景 | 第29-31页 |
| 3.4.3 市场情景 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于智能分析的个性化服务推送的研究 | 第34-50页 |
| 4.1 引言 | 第34-35页 |
| 4.2 BP神经网络 | 第35-36页 |
| 4.3 协同过滤推荐算法概述及原理 | 第36-40页 |
| 4.3.1 基于User-Based的协同过滤推荐算法 | 第36-38页 |
| 4.3.2 基于Item-Based的协同过滤推荐算法 | 第38-40页 |
| 4.4 BP神经网络和协同过滤的结合 | 第40-42页 |
| 4.4.1 基础的用户偏好模型 | 第41页 |
| 4.4.2 用户偏好模型的训练 | 第41-42页 |
| 4.5 个性化推送服务应用场景的研究 | 第42-49页 |
| 4.5.1 基于角色的个性化推送 | 第43-45页 |
| 4.5.2 基于区域市场的个性化推送 | 第45-47页 |
| 4.5.3 基于用户实时行为的个性化推送 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第五章 基于iOS平台的应用服务架构 | 第50-63页 |
| 5.1 引言 | 第50页 |
| 5.2 iOS推送服务器的搭建 | 第50-51页 |
| 5.3 Web Service服务的架构设计 | 第51-55页 |
| 5.3.1 Web Service的基础概念与组件 | 第51-53页 |
| 5.3.2 Web Service之间的协同关系 | 第53-54页 |
| 5.3.3 SOAP的类型选择 | 第54页 |
| 5.3.4 基于Web Service服务的平台总体架构 | 第54-55页 |
| 5.4 iOS平台的数据存储与界面设计 | 第55-62页 |
| 5.4.1 CoreData与SQLite | 第56页 |
| 5.4.2 CloudKit的优势分析 | 第56-57页 |
| 5.4.4 分析模块的模型和界面设计 | 第57-62页 |
| 5.5 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间的研究成果 | 第69页 |
