| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.2.3 研究展望 | 第11-12页 |
| 1.3 课题意义 | 第12-13页 |
| 1.4 本文主要工作及论文结构 | 第13-15页 |
| 1.4.1 论文主要工作 | 第13页 |
| 1.4.2 论文结构 | 第13-15页 |
| 第二章 相关背景知识介绍 | 第15-29页 |
| 2.1 Android 平台 | 第15-18页 |
| 2.1.1 Android 概述 | 第15页 |
| 2.1.2 Android 平台优势 | 第15-16页 |
| 2.1.3 Android 的开发环境及调试工具 | 第16页 |
| 2.1.4 发布 Android 应用程序 | 第16-18页 |
| 2.2 个性化推推荐系统概述 | 第18-28页 |
| 2.2.1 用户建模模块 | 第18-19页 |
| 2.2.2 对象建模模块 | 第19-20页 |
| 2.2.3 推荐算法模块 | 第20-26页 |
| 2.2.4 个性化推荐系统中的关键技术 | 第26-28页 |
| 2.3 开发工具 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于 Android 的个性化点餐模型 | 第29-38页 |
| 3.1 个性化推荐模型 | 第29页 |
| 3.2 分类与聚类 | 第29-33页 |
| 3.2.1 用户分类 | 第29-31页 |
| 3.2.2 用户聚类 | 第31-33页 |
| 3.3 基于时间加权的个性化推荐算法 | 第33-37页 |
| 3.3.1 利用 Slope One 算法填充空缺项 | 第33-36页 |
| 3.3.2 适应用户兴趣变化的协同过滤算法 | 第36-37页 |
| 3.3.3 算法性能测试 | 第37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 个性化订餐系统的需求分析与系统设计 | 第38-58页 |
| 4.1 需求分析 | 第38-45页 |
| 4.1.1 目标 | 第38-39页 |
| 4.1.2 功能需求 | 第39-43页 |
| 4.1.3 性能需求 | 第43-44页 |
| 4.1.4 运行环境 | 第44页 |
| 4.1.5 可行性分析 | 第44-45页 |
| 4.2 系统设计 | 第45-57页 |
| 4.2.1 总体设计 | 第45-47页 |
| 4.2.2 功能模块设计 | 第47-54页 |
| 4.2.3 数据库设计 | 第54-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 个性化订餐系统的实现与测试 | 第58-70页 |
| 5.1 数据通信 | 第58-60页 |
| 5.1.1 客户端与服务器间的通信 | 第58页 |
| 5.1.2 数据库操作的实现 | 第58-60页 |
| 5.2 电子订餐功能模块的实现 | 第60-62页 |
| 5.2.1 菜品搜索 | 第60-61页 |
| 5.2.2 订餐 | 第61-62页 |
| 5.3 用户管理模块的实现 | 第62-63页 |
| 5.4 个性化推荐模块的实现 | 第63-66页 |
| 5.4.1 Slope One 算法的代码实现 | 第64-65页 |
| 5.4.2 适应用户兴趣变化的协同过滤算法代码实现 | 第65页 |
| 5.4.3 关联推荐的实现 | 第65-66页 |
| 5.5 系统测试 | 第66-69页 |
| 5.5.1 测试方法 | 第67页 |
| 5.5.2 功能实测 | 第67-68页 |
| 5.5.3 测试分析 | 第68-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-71页 |
| 6.1 工作总结 | 第70页 |
| 6.2 下一步的工作和展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |