| 摘要 | 第11-13页 |
| Abstract | 第13-14页 |
| 第一章 绪论 | 第15-31页 |
| 1.1 研究背景 | 第16-19页 |
| 1.1.1 个性化推荐系统的发展 | 第16-18页 |
| 1.1.2 移动情景感知技术 | 第18-19页 |
| 1.2 研究现状 | 第19-27页 |
| 1.2.1 传统个性化推荐技术 | 第19-23页 |
| 1.2.2 结合移动情景感知的个性化推荐技术 | 第23-25页 |
| 1.2.3 当前研究存在的问题 | 第25-26页 |
| 1.2.4 研究意义 | 第26-27页 |
| 1.3 研究内容 | 第27-28页 |
| 1.4 论文结构 | 第28-30页 |
| 1.5 本章小结 | 第30-31页 |
| 第二章 移动环境下的实时推荐问题解决框架 | 第31-45页 |
| 2.1 概述 | 第31-32页 |
| 2.2 基于移动情景感知的推荐问题表达 | 第32-34页 |
| 2.2.1 相关定义 | 第32-33页 |
| 2.2.2 基于移动情景感知的多维推荐模型 | 第33-34页 |
| 2.3 移动情景与个性化推荐的融合 | 第34-39页 |
| 2.3.1 情景前期过滤 | 第35-36页 |
| 2.3.2 情景后期过滤 | 第36-38页 |
| 2.3.3 情景建模 | 第38-39页 |
| 2.4 面向不同感知层次的问题求解策略 | 第39-44页 |
| 2.4.1 面向单用户感知的实时推荐 | 第40-41页 |
| 2.4.2 面向团体感知的实时推荐 | 第41-42页 |
| 2.4.3 面向社区感知的实时推荐 | 第42-44页 |
| 2.5 本章小结 | 第44-45页 |
| 第三章 移动环境下基于单用户情景模型的实时兴趣匹配 | 第45-68页 |
| 3.1 引言 | 第45页 |
| 3.2 问题描述与相关工作 | 第45-50页 |
| 3.2.1 问题描述 | 第47-49页 |
| 3.2.2 相关工作 | 第49-50页 |
| 3.3 面向单用户感知的情景建模 | 第50-54页 |
| 3.3.1 要素定义 | 第51-52页 |
| 3.3.2 数据结构 | 第52-54页 |
| 3.4 面向单用户感知的兴趣匹配 | 第54-61页 |
| 3.4.1 兴趣匹配函数 | 第54-56页 |
| 3.4.2 无障碍条件下的用户兴趣Top-k匹配算法 | 第56-58页 |
| 3.4.3 有障碍条件下的用户兴趣Top-k匹配算法 | 第58-61页 |
| 3.5 实验结果分析 | 第61-67页 |
| 3.5.1 实验准备 | 第61-62页 |
| 3.5.2 结果分析 | 第62-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第四章 基于社交行为分析的团体用户实时兴趣匹配 | 第68-104页 |
| 4.1 引言 | 第68页 |
| 4.2 问题描述与相关工作 | 第68-74页 |
| 4.2.1 问题描述 | 第69-72页 |
| 4.2.2 相关工作 | 第72-74页 |
| 4.3 基于团体事件的社交行为分析 | 第74-79页 |
| 4.3.1 团体事件定义 | 第74-75页 |
| 4.3.2 团体事件提取算法 | 第75-79页 |
| 4.4 面向团体感知的情景建模 | 第79-85页 |
| 4.4.1 要素定义 | 第79-82页 |
| 4.4.2 数据结构 | 第82-85页 |
| 4.5 面向团体感知的兴趣匹配 | 第85-95页 |
| 4.5.1 兴趣匹配函数 | 第86-87页 |
| 4.5.2 无索引的团体兴趣最佳匹配算法 | 第87-91页 |
| 4.5.3 有索引的团体兴趣Top-k匹配算法 | 第91-95页 |
| 4.6 实验结果分析 | 第95-103页 |
| 4.6.1 实验准备 | 第95-97页 |
| 4.6.2 结果分析 | 第97-103页 |
| 4.7 本章小结 | 第103-104页 |
| 第五章 基于动态社区发现的实时情景建模 | 第104-136页 |
| 5.1 引言 | 第104页 |
| 5.2 问题描述与相关工作 | 第104-109页 |
| 5.2.1 问题描述 | 第106-108页 |
| 5.2.2 相关工作 | 第108-109页 |
| 5.3 用户移动行为模式挖掘 | 第109-113页 |
| 5.3.1 相关定义 | 第109-110页 |
| 5.3.2 数据集描述 | 第110-111页 |
| 5.3.3 累积稳定连接分析 | 第111-113页 |
| 5.4 基于社区核提取的动态社区演化 | 第113-123页 |
| 5.4.1 基于核提取的社区发现算法 | 第113-119页 |
| 5.4.2 动态社区演化 | 第119-123页 |
| 5.5 面向社区感知的兴趣匹配 | 第123-124页 |
| 5.5.1 情景建模 | 第123页 |
| 5.5.2 偏好匹配 | 第123-124页 |
| 5.6 实验结果分析 | 第124-134页 |
| 5.6.1 实验准备 | 第124-125页 |
| 5.6.2 结果分析 | 第125-134页 |
| 5.7 本章小结 | 第134-136页 |
| 第六章 结论与展望 | 第136-139页 |
| 6.1 主要工作 | 第136-137页 |
| 6.2 未来的研究工作 | 第137-139页 |
| 致谢 | 第139-141页 |
| 参考文献 | 第141-152页 |
| 作者在学期间取得的学术成果 | 第152-153页 |
| 作者在学期间参加的科研项目、获得专利和奖励 | 第153页 |
