| 致谢 | 第5-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-19页 |
| 1.2.1 移动信息服务的发展现状 | 第13-14页 |
| 1.2.2 个性化推荐算法研究现状 | 第14-15页 |
| 1.2.3 结合情境信息的移动个性化推荐研究现状 | 第15-17页 |
| 1.2.4 现有研究存在的问题 | 第17-19页 |
| 1.3 主要研究工作及创新点 | 第19-22页 |
| 1.3.1 主要研究工作 | 第19-20页 |
| 1.3.2 主要创新点 | 第20页 |
| 1.3.3 文章组织结构 | 第20-22页 |
| 2 相关理论基础 | 第22-31页 |
| 2.1 移动信息服务的服务方式特点 | 第22-24页 |
| 2.1.1 移动信息服务的概念 | 第22-23页 |
| 2.1.2 移动信息服务的服务方式特点 | 第23-24页 |
| 2.2 结合情境信息的主要推荐方法分类 | 第24-26页 |
| 2.2.1 情境预过滤 | 第24-25页 |
| 2.2.2 情境后过滤 | 第25页 |
| 2.2.3 情境化建模 | 第25-26页 |
| 2.3 个性化推荐算法主要分类 | 第26-30页 |
| 2.3.1 基于内容的推荐算法 | 第26-27页 |
| 2.3.2 协同过滤推荐算法 | 第27-29页 |
| 2.3.3 基于知识的推荐算法 | 第29页 |
| 2.3.4 混合推荐算法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 融入多维情境信息的移动信息服务个性化推荐框架 | 第31-40页 |
| 3.1 有关情境内容的相关描述 | 第31-34页 |
| 3.1.1 移动信息服务中情境的定义 | 第31页 |
| 3.1.2 移动信息服务的情境信息来源 | 第31-32页 |
| 3.1.3 移动信息服务的情境信息的分类及举例说明 | 第32-34页 |
| 3.2 融入多维情境信息的移动信息服务的个性化推荐框架 | 第34-38页 |
| 3.2.1 个性化推荐的框架 | 第34-36页 |
| 3.2.2 改进的个性化推荐模块 | 第36-37页 |
| 3.2.3 融入多维情境信息推荐的信息维度划分 | 第37-38页 |
| 3.3 本章小结 | 第38-40页 |
| 4 融入情境信息的移动信息服务推荐算法 | 第40-55页 |
| 4.1 移动信息服务的多维情境识别 | 第40-42页 |
| 4.1.1 有效情境提取 | 第40-41页 |
| 4.1.2 单维度情境影响因子系数的计算 | 第41-42页 |
| 4.2 单维情境偏好获取 | 第42-46页 |
| 4.2.1 SVD二维矩阵分解技术 | 第42-43页 |
| 4.2.2 三阶张量分解技术 | 第43-45页 |
| 4.2.3 单维情境偏好获取步骤 | 第45-46页 |
| 4.3 基于多维情境信息的协同过滤推荐算法 | 第46-54页 |
| 4.3.1 协同过滤推荐算法 | 第46-48页 |
| 4.3.2 相似度计算方法 | 第48-52页 |
| 4.3.3 改进的基于多维情境加权的用户相似度计算 | 第52-54页 |
| 4.4 本章小结 | 第54-55页 |
| 5 仿真测试及结果分析 | 第55-65页 |
| 5.1 测试准备 | 第55-57页 |
| 5.1.1 数据准备 | 第55-56页 |
| 5.1.2 评价指标 | 第56-57页 |
| 5.2 测试过程与结果分析 | 第57-64页 |
| 5.2.1 基于“用户-项目”二维的用户的协同过滤算法 | 第57-58页 |
| 5.2.2 基于模糊情境聚类的协同过滤推荐算法 | 第58-60页 |
| 5.2.3 本文融入多维情境信息的协同过滤改进算法 | 第60-62页 |
| 5.2.4 结果对比分析 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 6 总结与展望 | 第65-67页 |
| 6.1 主要工作总结 | 第65页 |
| 6.2 下一步工作展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第70-72页 |
| 学位论文数据集 | 第72页 |
