| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究的背景 | 第10-11页 |
| 1.2 论文的主要工作及意义 | 第11-12页 |
| 1.3 本论文的结构安排 | 第12-14页 |
| 第二章 移动互联网广告与推荐系统的相关研究进展 | 第14-35页 |
| 2.1 移动互联网广告 | 第14-21页 |
| 2.1.1 引言 | 第14页 |
| 2.1.2 移动互联网广告特殊性及其投放方式 | 第14-16页 |
| 2.1.3 移动互联网广告商业模式剖析 | 第16-17页 |
| 2.1.4 移动互联网广告市场的优势与劣势 | 第17-18页 |
| 2.1.5 移动广告发展状况分析 | 第18-21页 |
| 2.2 推荐系统 | 第21-33页 |
| 2.2.1 引言 | 第21-22页 |
| 2.2.2 什么是推荐系统 | 第22-23页 |
| 2.2.3 推荐算法的分类及介绍 | 第23-26页 |
| 2.2.4 推荐系统的评价指标 | 第26-30页 |
| 2.2.5 推荐系统的应用 | 第30-33页 |
| 2.3 本章小结 | 第33-35页 |
| 第三章 基于多种推荐算法及相似性度量方式的测试与分析 | 第35-50页 |
| 3.1 引言 | 第35页 |
| 3.2 实验方法 | 第35-38页 |
| 3.2.1 数据基本信息 | 第35-37页 |
| 3.2.2 数据取样以及数据集划分方法 | 第37页 |
| 3.2.3 相似性度量方式 | 第37-38页 |
| 3.3 实验算法描述 | 第38-47页 |
| 3.3.1 以用户为基础（user-Based）的协同过滤 | 第38-40页 |
| 3.3.2 以项目为基础（item-Based）的协同过滤 | 第40-42页 |
| 3.3.3 基于扩散的算法 | 第42-47页 |
| 3.4 实验结果及分析 | 第47-49页 |
| 3.4.1 实验结果 | 第47页 |
| 3.4.2 结果分析 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 基于不同的用户划分方式进行推荐的效果分析 | 第50-57页 |
| 4.1 引言 | 第50页 |
| 4.2 实验目标 | 第50-51页 |
| 4.3 实验方法 | 第51-54页 |
| 4.3.1 数据取样方法 | 第51-52页 |
| 4.3.2 数据处理流程 | 第52页 |
| 4.3.3 数据集划分方法 | 第52-53页 |
| 4.3.4 物质扩散与热传导的混合算法 | 第53-54页 |
| 4.4 实验结果及分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 推荐中算法饱和效应的测试与分析 | 第57-68页 |
| 5.1 引言 | 第57-59页 |
| 5.2 试验数据描述 | 第59-64页 |
| 5.3 实验方法 | 第64-65页 |
| 5.4 试验结果及分析 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 结论 | 第68-71页 |
| 6.1 本文的主要贡献 | 第68页 |
| 6.2 本文工作的不足 | 第68-69页 |
| 6.3 下一步工作的展望 | 第69-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-75页 |
