基于情境感知的校园餐饮推荐方法研究及应用
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要工作和创新 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关技术介绍 | 第16-28页 |
| 2.1 情境感知研究综述 | 第16-18页 |
| 2.1.1 情境及情境感知 | 第16页 |
| 2.1.2 情境建模方法 | 第16-18页 |
| 2.2 本体推理研究综述 | 第18-22页 |
| 2.2.1 本体描述 | 第18-20页 |
| 2.2.2 本体推理描述 | 第20-21页 |
| 2.2.3 SWRL规则语言 | 第21-22页 |
| 2.3 个性化推荐技术及种类 | 第22-26页 |
| 2.3.1 相似度计算 | 第22-23页 |
| 2.3.2 基于内容的推荐算法 | 第23-24页 |
| 2.3.3 协同过滤推荐算法 | 第24-25页 |
| 2.3.4 混合推荐技术 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 情境推荐模型设计 | 第28-42页 |
| 3.1 问题分析及描述 | 第28页 |
| 3.2 情境建模 | 第28-33页 |
| 3.2.1 校园情境分析 | 第28-30页 |
| 3.2.2 校园情境识别及获取 | 第30-32页 |
| 3.2.3 情境本体建模 | 第32-33页 |
| 3.3 餐饮本体建模 | 第33-37页 |
| 3.3.1 确定领域和范围 | 第34-35页 |
| 3.3.2 获取领域知识 | 第35页 |
| 3.3.3 餐饮本体建模 | 第35-37页 |
| 3.4 推理规则设计 | 第37-38页 |
| 3.4.1 情境演绎规则 | 第37-38页 |
| 3.4.2 推荐优化规则 | 第38页 |
| 3.5 情境推荐模型 | 第38-39页 |
| 3.6 本章小结 | 第39-42页 |
| 第四章 兴趣推荐模型设计 | 第42-54页 |
| 4.1 问题分析及描述 | 第42页 |
| 4.2 现有问题解决方案 | 第42-43页 |
| 4.2.1 冷启动 | 第42-43页 |
| 4.2.2 数据稀疏性 | 第43页 |
| 4.3 用户兴趣特征向量逻辑设计 | 第43-44页 |
| 4.3.1 用户行为数据获取 | 第43-44页 |
| 4.3.2 兴趣特征向量建立与更新 | 第44页 |
| 4.4 混合推荐算法设计 | 第44-49页 |
| 4.4.1 既有兴趣推荐策略 | 第45-46页 |
| 4.4.2 潜在兴趣推荐策略 | 第46-48页 |
| 4.4.3 模型整合 | 第48-49页 |
| 4.5 实验验证 | 第49-53页 |
| 4.5.1 数据收集和处理 | 第49-50页 |
| 4.5.2 评价指标 | 第50页 |
| 4.5.3 实验设计 | 第50-51页 |
| 4.5.4 结果分析 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 餐饮推荐应用设计与实现 | 第54-70页 |
| 5.1 问题分析与描述 | 第54页 |
| 5.2 系统概要设计 | 第54-57页 |
| 5.2.1 功能模块设计 | 第54-55页 |
| 5.2.2 数据库设计 | 第55-57页 |
| 5.3 开发实验环境 | 第57页 |
| 5.4 服务端设计实现 | 第57-64页 |
| 5.4.1 情境获取实现 | 第58-60页 |
| 5.4.2 本体与推理规则设计实现 | 第60-62页 |
| 5.4.3 推理实现 | 第62-64页 |
| 5.5 客户端设计实现 | 第64-68页 |
| 5.6 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-78页 |
| 攻读硕士学位期间发表的论文 | 第78页 |
