| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第12-17页 |
| 1.1 课题背景 | 第12-13页 |
| 1.2 课题研究的目的与意义 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-15页 |
| 1.3.1 情境感知及个性化推送的国外研究现状 | 第14-15页 |
| 1.3.2 情境感知及个性化推送的国内研究现状 | 第15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 2 相关理论基础 | 第17-24页 |
| 2.1 情境感知概述 | 第17-18页 |
| 2.1.1 情境的概念 | 第17页 |
| 2.1.2 情境感知的概念 | 第17-18页 |
| 2.1.3 情境信息的特点 | 第18页 |
| 2.2 个性化推送概述 | 第18-21页 |
| 2.2.1 基于内容的推送 | 第19-20页 |
| 2.2.2 基于关联规则的推送 | 第20页 |
| 2.2.3 基于协同过滤的推送 | 第20-21页 |
| 2.3 Android操作系统简介 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 基于情境感知的个性化推送的研究 | 第24-43页 |
| 3.1 情境信息采集 | 第24-30页 |
| 3.1.1 APP非注册用户身份感知 | 第25-28页 |
| 3.1.2 用户浏览行为感知 | 第28-29页 |
| 3.1.3 用户主动行为感知 | 第29-30页 |
| 3.2 情境感知数据处理 | 第30-32页 |
| 3.2.1 无效值与缺失值的处理 | 第31-32页 |
| 3.2.2 错误数据处理 | 第32页 |
| 3.3 构建用户偏好模型 | 第32-36页 |
| 3.4 基于关联规则实现个性化推送 | 第36-42页 |
| 3.4.1 关联规则相关概念 | 第36-37页 |
| 3.4.2 改进的Apriori算法实现个性化推送 | 第37-38页 |
| 3.4.3 实例分析 | 第38-41页 |
| 3.4.4 实验分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 4 系统的设计与实现 | 第43-70页 |
| 4.1 系统环境搭建与架构设计 | 第43-45页 |
| 4.2 系统目标 | 第45-46页 |
| 4.3 系统数据库设计 | 第46-47页 |
| 4.4 系统功能模块设计 | 第47-69页 |
| 4.4.1 APP用户身份识别模块 | 第47-49页 |
| 4.4.2 商城H5网站与APP融合模块 | 第49-52页 |
| 4.4.3 商品分类查询模块 | 第52-58页 |
| 4.4.4 用户情境感知模块 | 第58-60页 |
| 4.4.5 今日推荐模块 | 第60-64页 |
| 4.4.6 用户偏好分析模块 | 第64-66页 |
| 4.4.7 改进的Apriori算法实现个性化推送模块 | 第66-69页 |
| 4.5 本章小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |