| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究工作的背景和选题依据 | 第12-16页 |
| 1.1.1 论文的研究背景 | 第12-15页 |
| 1.1.2 论文选题依据 | 第15-16页 |
| 1.2 论文的主要研究工作和创新点 | 第16-18页 |
| 1.2.1 论文主要研究工作 | 第16-17页 |
| 1.2.2 论文的主要创新点 | 第17-18页 |
| 1.3 本论文的章节安排 | 第18-20页 |
| 第二章 国内外研究现状 | 第20-36页 |
| 2.1 个人推荐系统 | 第20-28页 |
| 2.1.1 基于协同过滤的推荐算法 | 第20-23页 |
| 2.1.2 基于内容的推荐算法 | 第23-26页 |
| 2.1.3 基于聚类的推荐算法 | 第26-27页 |
| 2.1.4 基于移动用户数据的推荐算法 | 第27-28页 |
| 2.2 群组推荐系统 | 第28-31页 |
| 2.3 基于机器学习技术的用户行为分析 | 第31-32页 |
| 2.4 不确定项集挖掘及差分隐私 | 第32-35页 |
| 2.4.1 基于不确定数据频繁项集挖掘 | 第32-33页 |
| 2.4.2 基于差分隐私的确定数据频繁模式挖掘算法 | 第33-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于移动用户浏览行为的个性化推荐算法研究 | 第36-58页 |
| 3.1 研究背景 | 第36-38页 |
| 3.2 基于移动用户浏览行为的推荐算法 | 第38-44页 |
| 3.2.1 移动用户浏览行为的分析 | 第38-39页 |
| 3.2.2 移动用户兴趣持续概率 | 第39-41页 |
| 3.2.3 基于移动用户兴趣持续概率的推荐 | 第41-44页 |
| 3.3 实验与结果分析 | 第44-57页 |
| 3.3.1 实验评估指标 | 第44-45页 |
| 3.3.2 对比算法 | 第45-46页 |
| 3.3.3 参数优化 | 第46-50页 |
| 3.3.4 实验结果分析 | 第50-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 基于移动用户评分数据的随机群组推荐模型研究 | 第58-77页 |
| 4.1 研究背景 | 第58-59页 |
| 4.2 基于粗糙聚类的随机群组推荐模型 | 第59-66页 |
| 4.2.1 群的偏好生成 | 第60页 |
| 4.2.2 基于混合关系的聚类算法 | 第60-64页 |
| 4.2.3 推荐生成 | 第64-66页 |
| 4.3 实验与结果分析 | 第66-76页 |
| 4.3.1 实验评估指标 | 第66-67页 |
| 4.3.2 对比算法 | 第67-68页 |
| 4.3.3 参数优化 | 第68-71页 |
| 4.3.4 实验结果分析 | 第71-76页 |
| 4.4 本章小结 | 第76-77页 |
| 第五章 基于安全机制的移动用户不确定频繁属性集挖掘研究 | 第77-99页 |
| 5.1 研究背景 | 第77-79页 |
| 5.2 基于差分隐私的移动用户不确定频繁属性集挖掘算法 | 第79-88页 |
| 5.2.1 基本概念介绍 | 第80-83页 |
| 5.2.2 算法描述 | 第83-86页 |
| 5.2.3 安全性分析 | 第86-88页 |
| 5.3 实验与结果分析 | 第88-98页 |
| 5.3.1 实验评估指标 | 第88-89页 |
| 5.3.2 对比算法 | 第89-94页 |
| 5.3.3 实验结果分析 | 第94-98页 |
| 5.4 本章小结 | 第98-99页 |
| 第六章 总结与展望 | 第99-102页 |
| 6.1 全文总结 | 第99-100页 |
| 6.2 未来工作展望 | 第100-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-118页 |
| 攻读博士学位期间取得的成果 | 第118-119页 |
