| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.3 本文研究工作 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 第二章 个性化推荐技术 | 第14-29页 |
| 2.1 推荐系统概述 | 第14-16页 |
| 2.1.1 传统推荐系统简介 | 第14页 |
| 2.1.2 传统推荐系统架构 | 第14-16页 |
| 2.2 推荐算法 | 第16-23页 |
| 2.2.1 基于内容的推荐 | 第16-19页 |
| 2.2.2 协同过滤推荐算法 | 第19-22页 |
| 2.2.3 混合推荐 | 第22-23页 |
| 2.3 推荐系统的评价标准 | 第23-25页 |
| 2.3.1 准确度 | 第23-24页 |
| 2.3.2 覆盖度 | 第24页 |
| 2.3.3 响应时间 | 第24-25页 |
| 2.4 基于移动互联网应用背景的推荐系统 | 第25-28页 |
| 2.4.1 移动推荐的新要求和新特性 | 第25页 |
| 2.4.2 轻量移动端和重量服务器端的分工布局 | 第25-26页 |
| 2.4.3 基于情景感知的推荐算法 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第三章 基于用户兴趣实时反馈的内容变粒度推荐系统设计 | 第29-42页 |
| 3.1 引言 | 第29页 |
| 3.2 设计思想 | 第29-31页 |
| 3.3 总体框架 | 第31-33页 |
| 3.4 服务器端核心功能流程及主要算法详细设计 | 第33-39页 |
| 3.4.1 用户双层级兴趣模型的构建及初始化 | 第33-34页 |
| 3.4.2 内容变粒度组合推荐流程及相关算法设计 | 第34-37页 |
| 3.4.3 用户移动行为习惯模型的建立维护以及可感知有效情景信息的生成 | 第37-39页 |
| 3.5 移动客户端核心功能流程及主要算法详细设计 | 第39-41页 |
| 3.5.1 基于用户行为实时反馈算法设计及不同组合策略推荐项目的调整流程 | 第39-40页 |
| 3.5.2 基于设阈过滤算法的情景感知 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 系统实现与性能评价 | 第42-60页 |
| 4.1 系统环境搭建 | 第42页 |
| 4.2 实验数据的采集和预处理 | 第42-44页 |
| 4.3 服务器端主要功能模块实现 | 第44-48页 |
| 4.3.1 更新用户的双层级兴趣模型 | 第44-45页 |
| 4.3.2 生成用户多种变粒度组合策略下的候选项目集 | 第45-46页 |
| 4.3.3 建立维护用户的移动行为习惯模型并生成可感知的移动场景数据 | 第46-48页 |
| 4.4 移动客户端主要功能模块实现 | 第48-54页 |
| 4.4.1 实时响应用户交互行为并调整相应区域项目的呈现 | 第48-52页 |
| 4.4.2 基于时间场景信息的双向设阈情景感知 | 第52-54页 |
| 4.5 性能评价指标 | 第54页 |
| 4.6 实验方案设计 | 第54-55页 |
| 4.7 实验结果分析 | 第55-59页 |
| 4.8 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 进一步工作 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
