| 摘要 | 第6-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第18-32页 |
| 1.1 研究背景 | 第18-20页 |
| 1.2 研究范围及相关概念 | 第20-23页 |
| 1.2.1 研究范围界定 | 第20-21页 |
| 1.2.2 相关概念界定 | 第21-23页 |
| 1.3 研究目的 | 第23-25页 |
| 1.4 研究内容与方法 | 第25-29页 |
| 1.4.2 研究思路与内容 | 第25-28页 |
| 1.4.3 研究方法 | 第28-29页 |
| 1.5 创新及意义 | 第29-32页 |
| 1.5.1 创新点 | 第29-31页 |
| 1.5.2 研究意义 | 第31-32页 |
| 2 个性化推荐系统研究综述 | 第32-62页 |
| 2.1 综述体系说明 | 第32页 |
| 2.2 精确性研究 | 第32-52页 |
| 2.2.1 认知论研究 | 第32-47页 |
| 2.2.2 方法论研究 | 第47-52页 |
| 2.3 满意化研究 | 第52-57页 |
| 2.4 其他相关研究 | 第57-59页 |
| 2.5 理论评述——矛盾论 | 第59-62页 |
| 3 用户为中心的个性化推荐系统理论体系 | 第62-77页 |
| 3.1 历史背景 | 第62页 |
| 3.2 学科基础 | 第62-68页 |
| 3.2.1 传统学科 | 第63-65页 |
| 3.2.2 新兴交叉学科 | 第65-68页 |
| 3.3 个性化推荐系统理论核心体系 | 第68-74页 |
| 3.3.1 个性化推荐系统的发展阶段 | 第68-69页 |
| 3.3.2 个性化推荐系统的本质 | 第69-71页 |
| 3.3.3 个性化推荐系统的内部结构 | 第71-72页 |
| 3.3.4 个性化推荐系统的评价体系 | 第72-74页 |
| 3.4 个性化推荐系统的理论瓶颈 | 第74-77页 |
| 3.4.1 信息科学视角 | 第74-75页 |
| 3.4.2 心理学视角 | 第75-77页 |
| 4 基于屏幕视觉热区的用户偏好提取方法 | 第77-110页 |
| 4.1 用户浏览行为中的屏幕视觉热区 | 第77-87页 |
| 4.1.1 研究背景 | 第77页 |
| 4.1.2 研究假设 | 第77-79页 |
| 4.1.3 实验设计 | 第79-80页 |
| 4.1.4 结果分析 | 第80-83页 |
| 4.1.5 数据验证 | 第83-87页 |
| 4.2 面向用户偏好识别的网页机能分类及其判别方法 | 第87-97页 |
| 4.2.1 研究背景 | 第87-88页 |
| 4.2.2 相关研究 | 第88-89页 |
| 4.2.3 网页机能分类 | 第89-90页 |
| 4.2.4 特征项选取及降噪处理 | 第90-93页 |
| 4.2.5 分类器构建 | 第93-94页 |
| 4.2.6 实验验证 | 第94-97页 |
| 4.3 基于屏幕视觉热区的中文短文本关键词实时提取方法 | 第97-109页 |
| 4.3.1 相关研究 | 第97-100页 |
| 4.3.2 短文本与特征项选取 | 第100-105页 |
| 4.3.3 模型构建 | 第105页 |
| 4.3.4 实验验证 | 第105-109页 |
| 4.4 总结 | 第109-110页 |
| 5 基于屏幕视觉热区的用户偏好建模 | 第110-151页 |
| 5.1 基于商品特征自组织层次聚类的用户偏好模型 | 第110-131页 |
| 5.1.1 研究背景 | 第110页 |
| 5.1.2 相关研究 | 第110-113页 |
| 5.1.3 研究假设 | 第113-114页 |
| 5.1.4 实验验证 | 第114-131页 |
| 5.2 基于商品特征自组织层次聚类的网络用户会话切分研究 | 第131-140页 |
| 5.2.1 研究背景 | 第131-132页 |
| 5.2.2 相关研究 | 第132-133页 |
| 5.2.3 用户商品类别认知的时间因素分析 | 第133-134页 |
| 5.2.4 网络用户会话时间段确证 | 第134-140页 |
| 5.3 基于屏幕视觉热区的用户偏好复合模型 | 第140-148页 |
| 5.3.1 研究背景 | 第140页 |
| 5.3.2 用户偏好复合模型逻辑体系 | 第140-142页 |
| 5.3.3 用户偏好复合模型的构建 | 第142-145页 |
| 5.3.4 实例例证 | 第145-148页 |
| 5.4 总结 | 第148-151页 |
| 6 基于在线商品评分修正的推荐解释 | 第151-186页 |
| 6.1 研究背景 | 第151-152页 |
| 6.2 相关研究 | 第152-157页 |
| 6.2.1 偏差类型 | 第152-153页 |
| 6.2.2 偏差原因 | 第153-155页 |
| 6.2.3 影响机理 | 第155-156页 |
| 6.2.4 偏差矫正的方式 | 第156-157页 |
| 6.3 评价介入理论 | 第157-169页 |
| 6.3.1 理论简介 | 第157-160页 |
| 6.3.2 基于评价介入理论的在线商品评论体系 | 第160-167页 |
| 6.3.3 现有评价体系的不足 | 第167-169页 |
| 6.4 话语标记 | 第169-173页 |
| 6.4.1 基本概念 | 第169页 |
| 6.4.2 在线商品评论的话语标记类型 | 第169-171页 |
| 6.4.3 基于话语标记理论的商品评论修正体系 | 第171-172页 |
| 6.4.4 在线商品评论话语标记库 | 第172-173页 |
| 6.5 基于评价介入理论和话语标记的在线评论修正方法 | 第173-182页 |
| 6.5.1 评价介入理论修正体系 | 第173-175页 |
| 6.5.2 话语标记理论修正体系 | 第175-178页 |
| 6.5.3 实例例证 | 第178-182页 |
| 6.6 基于在线商品评论的推荐解释风格 | 第182-184页 |
| 6.7 总结 | 第184-186页 |
| 7 基于用户偏好复合模型的交互收敛式个性化推荐方法 | 第186-213页 |
| 7.1 研究背景 | 第186-187页 |
| 7.2 相关研究 | 第187-189页 |
| 7.3 基本原则 | 第189-191页 |
| 7.4 交互行为与约束条件 | 第191-194页 |
| 7.4.1 交互行为 | 第191-192页 |
| 7.4.2 约束条件 | 第192-194页 |
| 7.5 交互收敛式的实时个性化推荐方法 | 第194-198页 |
| 7.5.1 收敛与发散 | 第194-195页 |
| 7.5.2 形式化描述 | 第195-196页 |
| 7.5.3 算法实现 | 第196-198页 |
| 7.6 原型系统构建 | 第198-204页 |
| 7.7 评价指标 | 第204-205页 |
| 7.8 实验验证 | 第205-212页 |
| 7.8.1 性能测试 | 第206-207页 |
| 7.8.2 搜索策略 | 第207-211页 |
| 7.8.3 登录身份 | 第211-212页 |
| 7.9 总结 | 第212-213页 |
| 8 总结与展望 | 第213-218页 |
| 8.1 全文总结 | 第213-215页 |
| 8.1.1 研究贡献 | 第213-214页 |
| 8.1.2 尚待改进之处 | 第214-215页 |
| 8.2 后续研究 | 第215-218页 |
| 参考文献 | 第218-246页 |
| 附录1 评价介入权重体系调查问卷 | 第246-253页 |
| 附录2 话语标记权重体系调查问卷 | 第253-255页 |
| 学习期间研究成果 | 第255-257页 |
| 致谢 | 第257-260页 |
