基于用户情景感知的动态兴趣模型及其应用
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 本文内容及组织结构 | 第13-15页 |
| 2 相关理论基础 | 第15-22页 |
| 2.1 情景感知理论 | 第15-18页 |
| 2.1.1 情景 | 第15-16页 |
| 2.1.2 情景感知 | 第16页 |
| 2.1.3 情景感知计算 | 第16-17页 |
| 2.1.4 情景感知面临的问题 | 第17-18页 |
| 2.2 推荐算法的相关研究 | 第18-20页 |
| 2.2.1 基于协同过滤的推荐 | 第18-19页 |
| 2.2.2 基于内容的推荐 | 第19-20页 |
| 2.2.3 混合推荐算法 | 第20页 |
| 2.3 融合情景信息的推荐 | 第20-22页 |
| 3 用户情景感知分析 | 第22-28页 |
| 3.1 情景分类 | 第22-23页 |
| 3.2 情景获取与说明 | 第23-25页 |
| 3.2.1 情景获取 | 第23-24页 |
| 3.2.2 情景说明 | 第24-25页 |
| 3.3 情景的应用过程 | 第25-28页 |
| 3.3.1 表示与筛选 | 第25页 |
| 3.3.2 情景识别与应用 | 第25-28页 |
| 4 基于情境感知的用户实时兴趣模型 | 第28-38页 |
| 4.1 自定义兴趣模型 | 第29-32页 |
| 4.1.1 兴趣标签 | 第29-30页 |
| 4.1.2 标签标准化 | 第30页 |
| 4.1.3 用户自定义兴趣模型 | 第30-32页 |
| 4.2 用户行为兴趣模型 | 第32-33页 |
| 4.2.1 用户浏览行为特征提取 | 第32页 |
| 4.2.2 行为兴趣项权重计算 | 第32-33页 |
| 4.3 用户情境兴趣模型 | 第33-35页 |
| 4.3.1 情景兴趣 | 第33-34页 |
| 4.3.2 情景相似度 | 第34-35页 |
| 4.3.3 情景兴趣项权重计算 | 第35页 |
| 4.4 用户实时兴趣计算 | 第35-36页 |
| 4.5 基于遗忘函数的模型更新 | 第36-38页 |
| 5 基于读者情景感知的书目推荐 | 第38-43页 |
| 5.1 基于情景感知的读者兴趣偏好 | 第38-39页 |
| 5.2 建立移动图书馆推荐系统 | 第39-42页 |
| 5.2.1 推荐系统结构分析 | 第39-40页 |
| 5.2.2 协同过滤推荐算法 | 第40-42页 |
| 5.3 验证方法 | 第42-43页 |
| 6 总结与展望 | 第43-45页 |
| 6.1 全文总结 | 第43页 |
| 6.2 研究展望 | 第43-45页 |
| 参考文献 | 第45-49页 |
| 攻读硕士学位期间的成果 | 第49-50页 |
| 致谢 | 第50-51页 |
