| 论文创新点 | 第5-8页 |
| 中文摘要 | 第8-10页 |
| Abstract | 第10-12页 |
| 0 引言 | 第16-34页 |
| 0.1 选题背景与意义 | 第16-18页 |
| 0.1.1 研究背景 | 第16-17页 |
| 0.1.2 研究意义 | 第17-18页 |
| 0.2 国内外研究现状 | 第18-27页 |
| 0.2.1 国外研究现状 | 第18-24页 |
| 0.2.2 国内研究现状 | 第24-27页 |
| 0.2.3 目前存在的主要问题 | 第27页 |
| 0.3 论文的研究思路与研究方法 | 第27-29页 |
| 0.3.1 论文研究目标 | 第27-28页 |
| 0.3.2 论文研究方法与技术路线 | 第28-29页 |
| 0.4 论文的基本内容与结构 | 第29-30页 |
| 0.5 论文的创新之处 | 第30-34页 |
| 1 信息推荐的相关研究 | 第34-53页 |
| 1.1 信息推荐概述 | 第34-35页 |
| 1.2 信息推荐方法研究 | 第35-50页 |
| 1.2.1 协同过滤方法 | 第35-42页 |
| 1.2.2 基于内容的推荐方法 | 第42-44页 |
| 1.2.3 信息推荐方法的比较 | 第44-46页 |
| 1.2.4 混合推荐方法 | 第46-49页 |
| 1.2.5 信息推荐系统的分类总结 | 第49-50页 |
| 1.3 信息推荐研究的新趋势 | 第50-53页 |
| 2 情景感知的相关研究 | 第53-66页 |
| 2.1 情景与情景感知概述 | 第53-56页 |
| 2.1.1 情景的定义与分类 | 第53-55页 |
| 2.1.2 情景感知的定义与分类 | 第55-56页 |
| 2.2 情景感知的步骤 | 第56-59页 |
| 2.2.1 情景获取 | 第56-57页 |
| 2.2.2 情景处理 | 第57-58页 |
| 2.2.3 情景使用 | 第58-59页 |
| 2.3 情景感知系统 | 第59-66页 |
| 2.3.1 情景感知系统的含义 | 第59页 |
| 2.3.2 传统的计算机系统和情景感知系统 | 第59-60页 |
| 2.3.3 情景感知系统的系统框架与支撑环境 | 第60-66页 |
| 3 基于情景感知的多维信息推荐模型 | 第66-94页 |
| 3.1 基于情景感知的多维信息推荐概述 | 第66-68页 |
| 3.1.1 多维推荐系统中的情景 | 第66-67页 |
| 3.1.2 情景的获取 | 第67页 |
| 3.1.3 基于情景感知的多维信息推荐 | 第67-68页 |
| 3.2 多维推荐的情景维度 | 第68-71页 |
| 3.3 多维推荐系统中的维度文档 | 第71-75页 |
| 3.3.1 用户维度文档(User Profile) | 第71-72页 |
| 3.3.2 项目维度文档(Item Profile) | 第72-73页 |
| 3.3.3 情景维度文档(Context Profile) | 第73-75页 |
| 3.4 情景维度的聚合计算 | 第75-78页 |
| 3.4.1 情景维度的等级框架(hierarchical structure) | 第75-76页 |
| 3.4.2 维度的聚合计算 | 第76-78页 |
| 3.5 基于情景感知的多维信息推荐系统模型 | 第78-94页 |
| 3.5.1 系统模型的体系结构 | 第78-80页 |
| 3.5.2 系统模型的功能模块及运作 | 第80-94页 |
| 4 基于情景感知的多维信息推荐算法 | 第94-122页 |
| 4.1 输入情景化推荐算法 | 第94-109页 |
| 4.1.1 基于降维的输入情景化推荐算法 | 第95-100页 |
| 4.1.2 基于降维的输入情景化推荐算法与传统推荐算法的混合推荐算法 | 第100-104页 |
| 4.1.3 基于情景相似度的输入情景化推荐算法 | 第104-109页 |
| 4.2 输出情景化推荐算法 | 第109-116页 |
| 4.2.1 输出情景化推荐算法简介 | 第109-111页 |
| 4.2.2 基于模型的输出情景化推荐算法 | 第111-116页 |
| 4.3 推荐函数情景化推荐算法 | 第116-122页 |
| 4.3.1 基于用户的多维启发式推荐算法 | 第117-119页 |
| 4.3.2 基于项目的多维启发式推荐算法 | 第119-122页 |
| 5 基于情景感知的多维信息推荐实验与评估 | 第122-171页 |
| 5.1 实验方案 | 第122页 |
| 5.1.1 实验目的 | 第122页 |
| 5.1.2 实验环境及设备 | 第122页 |
| 5.1.3 实验对象 | 第122页 |
| 5.2 实验数据 | 第122-123页 |
| 5.3 评价指标/度量指标(evaluation metrics) | 第123-126页 |
| 5.4 实验过程与结果分析 | 第126-168页 |
| 5.4.1 基于降维的输入情景化推荐算法、基于降维的输入情景化推荐算法与传统二维推荐算法的混合推荐算法与传统二维推荐算法的比较 | 第126-139页 |
| 5.4.2 基于情景相似度的输入情景化推荐算法的实验流程 | 第139-150页 |
| 5.4.3 基于模型的输出情景化推荐算法的实验流程 | 第150-157页 |
| 5.4.4 基于用户的多维启发式推荐算法的实验流程 | 第157-161页 |
| 5.4.5 基于项目的多维启发式推荐算法的实验流程 | 第161-168页 |
| 5.5 实验总结 | 第168-171页 |
| 6 研究的局限性与展望 | 第171-173页 |
| 6.1 数据样本的局限性 | 第171-172页 |
| 6.2 研究内容的局限性及未来的研究方向 | 第172-173页 |
| 图表索引 | 第173-177页 |
| 参考文献 | 第177-189页 |
| 附录 | 第189-190页 |
| 攻读博士学位期间参加的科研项目及发表论文情况 | 第190-191页 |
| 后记 | 第191页 |
