| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第6-14页 |
| ·研究背景 | 第6页 |
| ·国内外研究现状 | 第6-11页 |
| ·研究意义和研究内容 | 第11-12页 |
| ·研究意义 | 第11-12页 |
| ·研究内容 | 第12页 |
| ·本文组织架构 | 第12-14页 |
| 第二章 个性化推荐系统及相关技术概述 | 第14-27页 |
| ·个性化推荐系统的概念 | 第14页 |
| ·个性化推荐系统的目标 | 第14-16页 |
| ·个性化推荐技术的实现 | 第16-18页 |
| ·亚马逊Amazon.com | 第16-17页 |
| ·潘朵拉Pandora.com | 第17页 |
| ·MovieFinder.com | 第17页 |
| ·Drugstore.com | 第17页 |
| ·易趣eBay | 第17-18页 |
| ·GroupLens | 第18页 |
| ·推荐形式总结 | 第18页 |
| ·个性化推荐系统的架构 | 第18-20页 |
| ·输入模块 | 第18-19页 |
| ·推荐模块 | 第19-20页 |
| ·输出模块 | 第20页 |
| ·基于不同体系结构的个性化推荐系统 | 第20-23页 |
| ·基于服务器端的推荐系统 | 第20-22页 |
| ·基于客户端的推荐系统 | 第22-23页 |
| ·基于代理(Agent)的推荐系统 | 第23页 |
| ·增加隐私保护的个性化服务 | 第23-25页 |
| ·内容推送服务和反垃圾信息技术 | 第25-27页 |
| 第三章 保护隐私的用户兴趣建模机制 | 第27-37页 |
| ·用户兴趣建模的概念 | 第27-28页 |
| ·用户信息分类和收集方式 | 第28-31页 |
| ·用户信息分类 | 第28-29页 |
| ·用户信息收集方式 | 第29-30页 |
| ·信息收集的位置 | 第30-31页 |
| ·个性化推荐系统中资源描述 | 第31-32页 |
| ·基于内容的方法 | 第31页 |
| ·基于分类的方法 | 第31页 |
| ·基于概念分类体系的表示 | 第31-32页 |
| ·用户兴趣特征的表示 | 第32-33页 |
| ·用户模型的更新 | 第33-35页 |
| ·保护隐私的用户兴趣模型 | 第35-37页 |
| 第四章 基于隐私保护的个性化推荐系统——CRESDUP | 第37-43页 |
| ·CRESDUP系统的体系架构 | 第37-42页 |
| ·用户信息收集代理 | 第38-39页 |
| ·用户兴趣分析代理 | 第39-40页 |
| ·内容推荐服务器 | 第40-41页 |
| ·内容推荐客户端代理 | 第41-42页 |
| ·CRESDUP的工作流程 | 第42-43页 |
| 第五章 实验设计与结果分析 | 第43-47页 |
| ·系统应用场景介绍 | 第43-44页 |
| ·评价标准 | 第44-45页 |
| ·响应时间 | 第45页 |
| ·推荐效率 | 第45页 |
| ·实验结果及其分析 | 第45-47页 |
| 第六章 结论与展望 | 第47-49页 |
| ·本文工作与特色 | 第47-48页 |
| ·未来工作展望 | 第48-49页 |
| 参考文献 | 第49-54页 |
| 后记 | 第54-55页 |