| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5-6页 |
| 1 引言 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 国内外相关研究现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-15页 |
| 2 相关理论基础与关键技术 | 第15-29页 |
| 2.1 常用推荐方法概述 | 第15-17页 |
| 2.2 多维情景特征处理介绍 | 第17-24页 |
| 2.2.1 多维情景的定义 | 第17-18页 |
| 2.2.2 多维情景特征描述 | 第18-20页 |
| 2.2.3 多维情景特征的ETL系统 | 第20-21页 |
| 2.2.4 多维情景信息的采集与存储 | 第21-22页 |
| 2.2.5 多维情景信息的清洗 | 第22-23页 |
| 2.2.6 多维情景特征的转换与提取 | 第23-24页 |
| 2.3 多维情景特征的相似度度量 | 第24-25页 |
| 2.4 聚类算法介绍 | 第25-27页 |
| 2.5 分类算法介绍 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 3 基于多维情景特征分类的个性化推荐方法 | 第29-47页 |
| 3.1 个性化推荐方法的流程与设计思想 | 第29-30页 |
| 3.2 构建多维情景特征的聚类模型 | 第30-36页 |
| 3.2.1 多维情景信息的特征选择 | 第30-32页 |
| 3.2.2 Single-Pass的多维情景聚类模型 | 第32-34页 |
| 3.2.3 Single-Pass的多次增量聚类 | 第34-35页 |
| 3.2.4 多维情景特征聚类模型的评估 | 第35-36页 |
| 3.3 构建多维情景分类模型 | 第36-38页 |
| 3.3.1 多维情景特征分类特征处理 | 第36页 |
| 3.3.2 多维情景特征分类模型的选择 | 第36-37页 |
| 3.3.3 模型评估 | 第37-38页 |
| 3.4 多维情景特征分类的个性化推荐方法设计 | 第38-46页 |
| 3.4.1 个性化推荐系统数据处理流程设计 | 第38-40页 |
| 3.4.2 多维情景特征分类的个性化推荐思想 | 第40-41页 |
| 3.4.3 多维情景特征分类的用户兴趣度算法 | 第41-42页 |
| 3.4.4 基于多维情景特征分类的用户个性化推荐方法 | 第42-45页 |
| 3.4.5 基于多维情景特征分类的产品精准营销推荐方法 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 4 仿真实验与结果分析 | 第47-63页 |
| 4.1 实验目的与实验方法概述 | 第47-48页 |
| 4.1.1 实验目的概述 | 第47页 |
| 4.1.2 实验方法概述 | 第47-48页 |
| 4.2 数据集说明 | 第48-50页 |
| 4.2.1 概述 | 第48页 |
| 4.2.2 数据集文件说明 | 第48-50页 |
| 4.3 各实验结果的评测与分析 | 第50-62页 |
| 4.3.1 实验环境 | 第50-51页 |
| 4.3.2 基于多维情景特征的聚类实验 | 第51-55页 |
| 4.3.3 基于多维情景特征的分类实验 | 第55-57页 |
| 4.3.4 基于多维情景特征分类的推荐方法实验结果评测与分析 | 第57-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 总结与展望 | 第63-65页 |
| 5.1 总结 | 第63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录A | 第69-70页 |
| 致谢 | 第70-71页 |
