| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12页 |
| 1.2.3 现有研究存在的问题 | 第12-13页 |
| 1.3 研究内容 | 第13页 |
| 1.4 论文结构 | 第13-16页 |
| 第2章 相关技术研究综述 | 第16-26页 |
| 2.1 推荐系统技术综述 | 第16-20页 |
| 2.1.1 推荐系统的概念和定义 | 第16-17页 |
| 2.1.2 基于内容的推荐算法 | 第17-18页 |
| 2.1.3 基于协同的推荐算法 | 第18-20页 |
| 2.1.4 组合推荐算法 | 第20页 |
| 2.2 上下文感知相关理论 | 第20-25页 |
| 2.2.1 上下文感知推荐系统的定义 | 第21页 |
| 2.2.2 上下文的定义和获取方法 | 第21-22页 |
| 2.2.3 上下文建模方法 | 第22-23页 |
| 2.2.4 上下文感知推荐算法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第3章 个性化推荐系统建模与设计 | 第26-36页 |
| 3.1 用户模块建模 | 第26-27页 |
| 3.2 推荐对象建模 | 第27页 |
| 3.3 推荐系统设计 | 第27-30页 |
| 3.3.1 信息推荐的流程 | 第27-29页 |
| 3.3.2 推荐系统设计框架 | 第29-30页 |
| 3.4 基于上下文感知的推荐系统设计 | 第30-31页 |
| 3.5 推荐系统性能的评价方式 | 第31-34页 |
| 3.5.1 推荐系统的实验数据集 | 第32-33页 |
| 3.5.2 推荐系统的评价指标 | 第33-34页 |
| 3.6 本章小结 | 第34-36页 |
| 第4章 上下文信息感知的推荐系统研究与实现 | 第36-48页 |
| 4.1 上下文信息预过滤 | 第36-38页 |
| 4.1.1 上下文预过滤模型 | 第36-37页 |
| 4.1.2 基于聚类技术的上下文信息预过滤 | 第37-38页 |
| 4.2 上下文信息后过滤 | 第38-42页 |
| 4.2.1 基于上下文的“用户-项目类别”偏好模型 | 第38-40页 |
| 4.2.2 加权重排序的上下文后过滤推荐算法 | 第40-42页 |
| 4.3 实验及结果分析 | 第42-46页 |
| 4.3.1 实验环境及评价方法 | 第42页 |
| 4.3.2 实验过程 | 第42-44页 |
| 4.3.3 实验结果分析 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 上下文信息稀疏性问题的解决与实现 | 第48-62页 |
| 5.1 基于上下文信息熵的块对角矩阵局部矩阵分解 | 第48-59页 |
| 5.1.1 相关工作 | 第48-52页 |
| 5.1.2 上下文信息熵 | 第52-53页 |
| 5.1.3 局部矩阵分解 | 第53-55页 |
| 5.1.4 推荐算法的实现 | 第55-59页 |
| 5.2 实验及结果分析 | 第59-61页 |
| 5.2.1 实验数据集和评价指标 | 第59-60页 |
| 5.2.2 实验描述及结果分析 | 第60-61页 |
| 5.3 本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的学术论文 | 第68-70页 |
| 致谢 | 第70页 |