| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-18页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 移动商务中的隐私概念及隐私问题研究 | 第9-11页 |
| 1.2.2 移动情境下的位置隐私保护技术研究 | 第11-13页 |
| 1.2.3 云存储中隐私保护技术研究 | 第13-14页 |
| 1.2.4 移动情境下的个性化推荐算法研究 | 第14-15页 |
| 1.3 研究内容及创新点 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 基于云平台的隐私保护移动服务推荐框架 | 第18-24页 |
| 2.1 移动用户隐私保护系统结构与匿名处理过程 | 第18-19页 |
| 2.2 基于云平台的隐私保护移动服务推荐框架 | 第19-22页 |
| 2.2.1 移动用户 | 第20页 |
| 2.2.2 可信第三方 | 第20页 |
| 2.2.3 信息服务提供商 | 第20-21页 |
| 2.2.4 云服务平台 | 第21-22页 |
| 2.3 本章小结 | 第22-24页 |
| 第三章 基于路网的移动商务个性化隐私保护算法研究 | 第24-43页 |
| 3.1 基本概念定义 | 第24-27页 |
| 3.1.1 个性化隐私需求 | 第24-25页 |
| 3.1.2 (K,L,P)-敏感匿名模型 | 第25-27页 |
| 3.2 基于交换和合并的匿名集划分算法(EMAGAS) | 第27-32页 |
| 3.2.1 构建最小K-匿名集 | 第28-29页 |
| 3.2.2 交换用户算法 | 第29-30页 |
| 3.2.3 合并用户算法 | 第30-32页 |
| 3.3 EMAGAS算法应用示例分析 | 第32-35页 |
| 3.4 EMAGAS算法实验分析 | 第35-42页 |
| 3.4.1 实验数据集与参数设置 | 第35-38页 |
| 3.4.2 算法性能比较分析 | 第38-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 基于能量扩散理论和TOPSIS方法的感知隐私推荐算法研究 | 第43-56页 |
| 4.1 相关技术介绍 | 第43-45页 |
| 4.1.1 二部图物质扩散方法简介 | 第43-44页 |
| 4.1.2 改进的TOPSIS方法简介 | 第44-45页 |
| 4.2 推荐算法描述 | 第45-47页 |
| 4.2.1 推荐预处理 | 第45-46页 |
| 4.2.2 TOPSIS推荐方法 | 第46-47页 |
| 4.2.3 基于距离的可信第三方推荐结果求精 | 第47页 |
| 4.3 实验数据 | 第47-49页 |
| 4.3.1 酒店数据集选择 | 第47-48页 |
| 4.3.2 酒店坐标获取 | 第48-49页 |
| 4.3.3 酒店距离数据获取 | 第49页 |
| 4.4 推荐算法示例分析 | 第49-55页 |
| 4.4.1 TOPSIS执行结果 | 第50-53页 |
| 4.4.2 推荐结果求精 | 第53-54页 |
| 4.4.3 推荐结果分析 | 第54-55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 总结与展望 | 第56-58页 |
| 5.1 总结 | 第56-57页 |
| 5.2 展望 | 第57-58页 |
| 参考文献 | 第58-65页 |
| 致谢 | 第65-66页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第66-67页 |