| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第13-16页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 研究内容和创新点 | 第14-15页 |
| 1.3 论文组织结构 | 第15-16页 |
| 第二章 相关理论及研究 | 第16-30页 |
| 2.1 移动推荐系统概要介绍 | 第16-21页 |
| 2.1.1 传统的推荐系统 | 第16-19页 |
| 2.1.2 移动互联网的基本概念及其特点 | 第19-20页 |
| 2.1.3 移动推荐系统和互联网推荐系统的比较 | 第20-21页 |
| 2.2 移动推荐系统关键技术概述与研究 | 第21-27页 |
| 2.2.1 移动推荐系统研究架构模型 | 第21-22页 |
| 2.2.2 基于上下文的移动推荐 | 第22-23页 |
| 2.2.3 基于社区的移动推荐 | 第23-24页 |
| 2.2.4 移动推荐系统的数据集和评估指标 | 第24-27页 |
| 2.3 移动推荐系统的应用 | 第27-29页 |
| 2.3.1 旅游推荐 | 第27-28页 |
| 2.3.2 新闻推荐 | 第28页 |
| 2.3.3 商品推荐 | 第28-29页 |
| 2.4 移动推荐系统其他问题的研究 | 第29页 |
| 2.4.1 异常检测 | 第29页 |
| 2.4.2 抽样 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 预处理：基于角度方差的多层次高维数据异常检测算法 | 第30-42页 |
| 3.1 引言 | 第30-31页 |
| 3.2 相关定义 | 第31-33页 |
| 3.3 基于角度方差的多层次高维数据异常检测算法 | 第33-39页 |
| 3.3.1 算法概述 | 第33页 |
| 3.3.2 粗糙集理论与属性约简 | 第33-35页 |
| 3.3.3 基于数据分布的网格划分 | 第35-37页 |
| 3.3.4 计算角度方差因子及算法示例 | 第37-38页 |
| 3.3.5 时间复杂度分析 | 第38-39页 |
| 3.4 仿真和结果分析 | 第39-41页 |
| 3.4.1 实验设置及数据集说明 | 第39页 |
| 3.4.2 属性权值对算法的影响 | 第39-40页 |
| 3.4.3 网格划分对检测时间的影响 | 第40页 |
| 3.4.4 HODA算法检测结果分析 | 第40-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 预测：基于时空上下文感知的移动推荐模型 | 第42-60页 |
| 4.1 引言 | 第42-43页 |
| 4.2 数据描述 | 第43页 |
| 4.3 构建训练集 | 第43-44页 |
| 4.4 特征提取 | 第44-47页 |
| 4.4.1 基本特征 | 第44-45页 |
| 4.4.2 地理位置和时间特征 | 第45-46页 |
| 4.4.3 特征处理方法 | 第46-47页 |
| 4.5 分类模型 | 第47-53页 |
| 4.5.1 随机森林 | 第47-49页 |
| 4.5.2 梯度下降回归树 | 第49-51页 |
| 4.5.3 组合模型 | 第51-53页 |
| 4.6 实验结果及评价指标 | 第53-58页 |
| 4.6.1 实验工具与平台介绍 | 第53-54页 |
| 4.6.2 实验过程 | 第54-58页 |
| 4.7 本章小结 | 第58-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 本文总结 | 第60页 |
| 5.2 研究展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |