| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 图索引 | 第12-13页 |
| 表索引 | 第13-15页 |
| 第一章 绪论 | 第15-21页 |
| ·研究背景 | 第15-16页 |
| ·移动增值业务运营中的问题 | 第15-16页 |
| ·移动增值业务发展亟需实施个性化推荐 | 第16页 |
| ·问题提出及范围界定 | 第16-17页 |
| ·研究目的及创新点 | 第17-18页 |
| ·论文的组织结构 | 第18-21页 |
| 第二章 个性化推荐研究综述 | 第21-29页 |
| ·个性化推荐算法 | 第21-27页 |
| ·个性化推荐系统研究进展 | 第21页 |
| ·个性化推荐算法研究 | 第21-27页 |
| ·改进的个性化推荐算法 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 移动增值业务研究综述 | 第29-43页 |
| ·增值业务的相关概念 | 第29-33页 |
| ·产品与业务的概念 | 第29-31页 |
| ·增值业务的定义 | 第31-32页 |
| ·增值业务产业链 | 第32-33页 |
| ·增值业务的分类 | 第33-38页 |
| ·增值业务个性化推荐研究现状 | 第38-42页 |
| ·移动环境下的个性化服务已经成为重要的研究方向 | 第39-40页 |
| ·移动环境下的个性化推荐的限制因素研究 | 第40页 |
| ·移动环境下的个性化推荐对情景问题的研究 | 第40-41页 |
| ·移动个性化推荐领域中增值业务的研究 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第四章 基于协同过滤的移动增值业务个性化推荐算法 | 第43-64页 |
| ·常规协同过滤算法在移动增值业务中的应用 | 第43-46页 |
| ·间接打分的协同过滤算法 | 第46-58页 |
| ·订购打分方法 | 第46-47页 |
| ·移动增值业务活跃度打分 | 第47-54页 |
| ·移动增值业务接触打分 | 第54-56页 |
| ·实例说明 | 第56-58页 |
| ·移动增值业务推荐过程中的通道问题 | 第58-62页 |
| ·引言 | 第58-59页 |
| ·相关概念 | 第59-61页 |
| ·通道对推荐算法的影响 | 第61-62页 |
| ·小结 | 第62-64页 |
| 第五章 基于内容的移动增值业务个性化推荐算法 | 第64-85页 |
| ·常规基于内容的个性化推荐算法 | 第64-72页 |
| ·产品配置文件模型的设计 | 第64-69页 |
| ·用户配置文件模型设计 | 第69-71页 |
| ·推荐算法的实现 | 第71-72页 |
| ·含用户属性层的基于内容的个性化推荐算法 | 第72-81页 |
| ·含用户基本信息的用户配置文件模型设计 | 第72-74页 |
| ·含用户基本信息的产品配置文件模型设计 | 第74-75页 |
| ·含用户属性层的基于内容个性化推荐实现过程 | 第75-81页 |
| ·基于内容推荐算法的一些问题探讨 | 第81-84页 |
| ·小结 | 第84-85页 |
| 第六章 基于关联规则的移动增值业务个性化推荐算法 | 第85-99页 |
| ·面向个性化技术的数据预处理 | 第85-89页 |
| ·问题的提出 | 第85页 |
| ·面向预处理过程的领域知识应用 | 第85-86页 |
| ·移动增值业务的关联规则预处理 | 第86-89页 |
| ·关联规则的改进算法 | 第89-94页 |
| ·DHP算法 | 第90-92页 |
| ·FP-Growth算法 | 第92-93页 |
| ·Partition算法 | 第93-94页 |
| ·移动增值业务关联规则个性化推荐的实现过程 | 第94-98页 |
| ·FP-Growth算法的应用 | 第94-97页 |
| ·基于用户兴趣度加权的关联规则算法 | 第97-98页 |
| ·小结 | 第98-99页 |
| 第七章 基于时间变化的移动增值业务动态个性化推荐算法 | 第99-110页 |
| ·父类打分法与属性打分法 | 第99-104页 |
| ·父类打分法 | 第100-101页 |
| ·属性打分法 | 第101-104页 |
| ·簇变化和自相似度变化 | 第104-107页 |
| ·簇的定义 | 第104页 |
| ·簇的变化计算 | 第104-105页 |
| ·自相似度的定义 | 第105页 |
| ·自相似度的计算 | 第105-107页 |
| ·随着时间变化的动态推荐过程 | 第107-109页 |
| ·小结 | 第109-110页 |
| 第八章 基于情景变化的移动增值业务动态个性化推荐算法 | 第110-129页 |
| ·移动增值业务下情景的定义 | 第110页 |
| ·情景的分类 | 第110-111页 |
| ·基于用户外部情景的移动增值业务动态推荐算法 | 第111-114页 |
| ·建立"用户-产品-情景"三维用户活跃度模型 | 第111-112页 |
| ·外部情景相似度的计算 | 第112-113页 |
| ·基于用户外部情景移动增值业务动态推荐算法 | 第113-114页 |
| ·基于用户内部情景移动增值业务动态推荐算法 | 第114-123页 |
| ·建立用户内部情景向量 | 第114-115页 |
| ·基于用户内部情景变化的动态推荐模型 | 第115-117页 |
| ·用户内部情景-业务活跃度模型的构建过程 | 第117-121页 |
| ·推荐流程 | 第121-123页 |
| ·基于用户交际圈情景移动增值业务动态推荐算法 | 第123-127页 |
| ·用户交往圈定义 | 第123-124页 |
| ·用户有效直接交往圈和有效间接交际圈的选取流程 | 第124-125页 |
| ·用户有效交往指数的设计 | 第125-127页 |
| ·基于用户交际圈情景的动态推荐算法 | 第127页 |
| ·小结 | 第127-129页 |
| 第九章 实证研究 | 第129-146页 |
| ·评价指标 | 第129-130页 |
| ·静态验证 | 第130-139页 |
| ·实证数据集说明 | 第130-131页 |
| ·实验流程说明 | 第131-132页 |
| ·实验对比研究结果 | 第132-139页 |
| ·动态验证 | 第139-144页 |
| ·基于用户外部情景移动增值业务动态推荐算法的实证 | 第139-142页 |
| ·基于用户内部情景的动态推荐算法的实证 | 第142-144页 |
| ·小结 | 第144-146页 |
| 第十章 总结与展望 | 第146-148页 |
| ·总结 | 第146-147页 |
| ·展望 | 第147-148页 |
| 参考文献 | 第148-155页 |
| 附录 增值业务活跃度算法代码 | 第155-164页 |
| 致谢 | 第164页 |