| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-12页 |
| 1.2 课题研究的理论意义和应用价值 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.4 研究内容和论文结构 | 第15-17页 |
| 第2章 信息推送系统综述及相关技术研究 | 第17-31页 |
| 2.1 信息推送系统综述 | 第17-21页 |
| 2.1.1 信息推送系统研究方向 | 第17-18页 |
| 2.1.2 信息推送系统的组成 | 第18-20页 |
| 2.1.3 信息推送系统的功能 | 第20-21页 |
| 2.2 关键技术研究 | 第21-24页 |
| 2.2.1 网络监听 | 第21-22页 |
| 2.2.2 协议解析 | 第22-23页 |
| 2.2.3 数据分析 | 第23-24页 |
| 2.3 信息推送模型概述 | 第24-29页 |
| 2.3.1 协同过滤推荐模型 | 第24-25页 |
| 2.3.2 基于内容的推荐模型 | 第25-27页 |
| 2.3.3 基于关联规则的推荐模型 | 第27-28页 |
| 2.3.4 基于知识的推荐模型 | 第28-29页 |
| 2.4 本章小结 | 第29-31页 |
| 第3章 信息推送系统模型设计 | 第31-49页 |
| 3.1 需求分析 | 第31-32页 |
| 3.1.1 业务需求 | 第31页 |
| 3.1.2 功能需求 | 第31-32页 |
| 3.2 协同过滤推荐算法 | 第32-38页 |
| 3.2.1 协同过滤推荐算法思路及步骤 | 第33-35页 |
| 3.2.2 基于用户兴趣变化的协同过滤 | 第35-37页 |
| 3.2.3 稀疏矩阵和冷启动 | 第37-38页 |
| 3.3 推送模型设计 | 第38-45页 |
| 3.3.1 隐式评分的计算方法 | 第38-40页 |
| 3.3.2 推荐系统的总体设计 | 第40-41页 |
| 3.3.3 推荐引擎设计 | 第41-45页 |
| 3.4 数据库设计 | 第45-47页 |
| 3.5 本章小结 | 第47-49页 |
| 第4章 基于WiFi用户上网行为分析的信息推送系统实现 | 第49-66页 |
| 4.1 实现平台搭建 | 第49-54页 |
| 4.1.1 开发环境 | 第49页 |
| 4.1.2 网关工作流程 | 第49-50页 |
| 4.1.3 网关功能的实现 | 第50-54页 |
| 4.2 数据采集 | 第54-60页 |
| 4.2.1 数据采集环境 | 第54-57页 |
| 4.2.2 获取数据内容 | 第57-59页 |
| 4.2.3 数据预处理 | 第59-60页 |
| 4.3 推送模型实现 | 第60-65页 |
| 4.3.1 选择最近邻居方法 | 第60-61页 |
| 4.3.2 推荐结果的产生 | 第61-63页 |
| 4.3.3 实验及结果分析 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第5章 结论 | 第66-69页 |
| 5.1 总结 | 第66-67页 |
| 5.2 展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |