| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·研究背景 | 第11-13页 |
| ·研究内容及意义 | 第13-14页 |
| ·研究内容 | 第13-14页 |
| ·研究意义 | 第14页 |
| ·研究框架 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 2 相关研究综述 | 第17-31页 |
| ·推荐系统研究综述 | 第17-23页 |
| ·推荐系统的概念及研究内容 | 第17-18页 |
| ·推荐系统应用领域 | 第18-19页 |
| ·推荐技术及比较 | 第19-21页 |
| ·移动环境下推荐系统概述 | 第21-23页 |
| ·协同过滤推荐算法研究综述 | 第23-27页 |
| ·协同过滤推荐算法的分类 | 第24-26页 |
| ·协同过滤推荐算法的评价 | 第26-27页 |
| ·上下文感知（context-aware）的协同过滤推荐研究综述 | 第27-30页 |
| ·上下文引入的概念及挑战 | 第27-28页 |
| ·上下文感知的推荐系统 | 第28-29页 |
| ·上下文感知的协同过滤推荐研究现状 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 移动环境下的上下文引入 | 第31-41页 |
| ·移动环境下推荐系统中上下文的重要性 | 第31-32页 |
| ·移动推荐系统的特点 | 第31页 |
| ·上下文的含义及作用 | 第31-32页 |
| ·上下文引入面临的问题 | 第32-33页 |
| ·数据稀疏性 | 第32-33页 |
| ·现有方法的不足 | 第33页 |
| ·上下文引入思路 | 第33-35页 |
| ·松弛上下文 | 第33-34页 |
| ·硬性上下文 | 第34-35页 |
| ·一种混合的上下文建模方法 | 第35页 |
| ·上下文在协同过滤算法中的融入 | 第35-40页 |
| ·基于上下文的用户-项目评分矩阵 | 第36-37页 |
| ·基于上下文的协同过滤推荐算法改进思路 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 移动环境下上下文感知的协同过滤推荐模型 | 第41-50页 |
| ·问题引出 | 第41页 |
| ·上下文感知的协同过滤推荐模型 | 第41-45页 |
| ·模型构建 | 第41-43页 |
| ·模型框架及描述 | 第43-45页 |
| ·基于上下文的协同过滤推荐算法 | 第45-49页 |
| ·数据模型及相关数据的形式化定义 | 第45-46页 |
| ·上下文相似度计算 | 第46-47页 |
| ·基于上下文的目标用户近邻形成 | 第47页 |
| ·基于上下文的项目预测与推荐 | 第47-48页 |
| ·算法框架 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 5 实验及结果分析 | 第50-60页 |
| ·推荐结果评价标准 | 第50-51页 |
| ·实验数据集 | 第51-55页 |
| ·上下文感知推荐的相关数据集 | 第51-52页 |
| ·本文的数据集构建 | 第52-55页 |
| ·数据集预处理及分析 | 第55页 |
| ·实验模型设计及实验环境 | 第55-56页 |
| ·实验模型设计 | 第55-56页 |
| ·实验环境 | 第56页 |
| ·实验过程及结果 | 第56-58页 |
| ·结果分析及相关建议 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 6 总结和展望 | 第60-62页 |
| ·工作总结 | 第60页 |
| ·不足与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |