智能购物中心情境下上下文感知推荐系统研究与开发
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景 | 第11-12页 |
| ·研究现状与存在问题 | 第12-14页 |
| ·国内外研究现状 | 第12-13页 |
| ·现有研究存在问题 | 第13-14页 |
| ·研究内容和取得的成果 | 第14-15页 |
| ·本文所做的工作 | 第14-15页 |
| ·本文的创新点 | 第15页 |
| ·论文结构 | 第15-16页 |
| 第二章 上下文感知推理与推荐技术分析 | 第16-30页 |
| ·上下文感知推理与推荐研究综述 | 第16-22页 |
| ·上下文预过滤 | 第16-18页 |
| ·上下文后过滤 | 第18-19页 |
| ·上下文建模 | 第19-20页 |
| ·基于协同过滤的推荐 | 第20-21页 |
| ·基于内容的推荐 | 第21-22页 |
| ·混合推荐算法 | 第22页 |
| ·智能购物中心环境下上下文感知推荐系统面临的挑战 | 第22-23页 |
| ·本文的技术路线 | 第23-26页 |
| ·上下文感知推荐系统相关理论技术简介 | 第26-29页 |
| ·上下文演化和解释 | 第26页 |
| ·上下文相关的用户喜好提取技术 | 第26-27页 |
| ·推理引擎 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 智能购物中心领域下推荐系统的研究与设计 | 第30-54页 |
| ·利用用户历史消费行为进行个性化推荐 | 第30-41页 |
| ·使用协同过滤算法分析用户喜好 | 第30-38页 |
| ·对相似度计算改进的解决方案 | 第38-40页 |
| ·实验比较与测试分析 | 第40-41页 |
| ·小结 | 第41页 |
| ·系统冷启动 | 第41-50页 |
| ·冷启动问题分类与解决方案 | 第42-43页 |
| ·使用会员用户的注册信息 | 第43-50页 |
| ·小结 | 第50页 |
| ·结合上下文信息 | 第50-53页 |
| ·推荐系统上下文信息概述 | 第50-51页 |
| ·通过 RFID 获取时间上下文的推荐算法 | 第51-52页 |
| ·小结 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 购物中心领域下推荐系统的实现 | 第54-71页 |
| ·系统概述 | 第54-58页 |
| ·基本推理因素 | 第55页 |
| ·高级推理因素 | 第55-56页 |
| ·系统架构的实现 | 第56-58页 |
| ·基本推理的实现 | 第58-61页 |
| ·基于节假日静态推理的实现 | 第58-59页 |
| ·基于购物目的静态推理的实现 | 第59-61页 |
| ·高级推理的实现 | 第61-68页 |
| ·用户可能喜爱商户推理 | 第61-63页 |
| ·决策树商品类别喜好分析 | 第63-66页 |
| ·Apriori“购物篮”规则分析 | 第66-68页 |
| ·结合时间上下文信息推理近期兴趣分析 | 第68页 |
| ·推荐结果生成模块实现 | 第68-70页 |
| ·程序预览 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-74页 |
| ·本文总结 | 第71-72页 |
| ·未来研究展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间已发表的论文 | 第78-79页 |
| 攻读硕士学位期间所参与研究及项目 | 第79-81页 |
