移動(dòng)互聯(lián)網(wǎng)信息推薦技術(shù)研究

目錄
第1章 緒論 1
1.1 移動(dòng)互聯(lián)網(wǎng)的基本概念 2
1.1.1 移動(dòng)互聯(lián)網(wǎng)的定義及特點(diǎn) 2
1.1.2 移動(dòng)互聯(lián)網(wǎng)推薦技術(shù) 4
1.2 移動(dòng)推薦系統(tǒng)研究框架 10
1.3 移動(dòng)推薦系統(tǒng)的應(yīng)用 13
1.4 移動(dòng)互聯(lián)網(wǎng)信息推薦領(lǐng)域中的研究熱點(diǎn) 16
參考文獻(xiàn) 18
第2章 推薦系統(tǒng)理論綜述 21
2.1 基于內(nèi)容的推薦方法 21
2.1.1 概述 21
2.1.2 算法流程 22
2.1.3 優(yōu)點(diǎn)與不足 26
2.2 協(xié)同過(guò)濾推薦方法 27
2.2.1 基于鄰域的協(xié)同過(guò)濾推薦方法 28
2.2.2 基于模型的協(xié)同過(guò)濾推薦方法 31
2.2.3 優(yōu)點(diǎn)與不足 33
2.3 情境感知推薦方法 34
2.3.1 概述 34
2.3.2 情境建模方法 36
2.3.3 情境感知推薦技術(shù)的分類(lèi) 37
2.3.4 優(yōu)點(diǎn)與不足 39
2.4 社會(huì)化推薦方法 40
2.4.1 概述 40
2.4.2 社會(huì)關(guān)系網(wǎng)絡(luò)模型的構(gòu)建 42
2.4.3 社會(huì)化推薦生成技術(shù) 44
2.4.4 優(yōu)點(diǎn)與不足 47
2.5 群組推薦方法 49
2.5.1 概述 49
2.5.2 群組推薦方法的關(guān)鍵技術(shù) 50
2.5.3 優(yōu)點(diǎn)與不足 52
2.6 基于深度學(xué)習(xí)的推薦方法 53
2.6.1 概述 53
2.6.2 深度學(xué)習(xí)模型 54
2.6.3 基于深度學(xué)習(xí)的推薦方法分類(lèi) 57
2.6.4 優(yōu)點(diǎn)與不足 59
2.7 大數(shù)據(jù)環(huán)境下的推薦方法 60
2.7.1 概述 60
2.7.2 大數(shù)據(jù)環(huán)境下的推薦方法中的技術(shù) 61
2.7.3 大數(shù)據(jù)環(huán)境下的推薦方法的分類(lèi) 65
2.7.4 優(yōu)點(diǎn)與不足 66
參考文獻(xiàn) 67
第3章 移動(dòng)用戶需求獲取 71
3.1 移動(dòng)用戶需求特點(diǎn) 72
3.2 用戶需求獲取技術(shù)概述 74
3.2.1 傳統(tǒng)用戶需求獲取技術(shù) 74
3.2.2 移動(dòng)用戶需求獲取技術(shù) 76
3.3 移動(dòng)用戶需求獲取關(guān)鍵技術(shù) 77
3.3.1 移動(dòng)用戶需求獲取技術(shù)框架 77
3.3.2 情境對(duì)移動(dòng)用戶需求的影響 79
3.3.3 移動(dòng)用戶需求獲取的計(jì)算方法 81
3.3.4 移動(dòng)用戶需求動(dòng)態(tài)獲取及自適應(yīng)更新技術(shù) 84
3.4 移動(dòng)用戶需求獲取技術(shù)效用評(píng)價(jià) 86
3.5 有待進(jìn)一步研究的問(wèn)題 88
參考文獻(xiàn) 90
第4章 移動(dòng)情境感知推薦 96
4.1 情境信息概述 97
4.1.1 情境信息的概念及特點(diǎn) 97
4.1.2 移動(dòng)情境信息的分類(lèi) 98
4.2 情境信息的獲取 100
4.2.1 情境信息獲取的技術(shù)架構(gòu) 100
4.2.2 情境信息的獲取方法 101
4.3 情境信息的表示方法與建模方法 102
4.3.1 情境信息的表示方法 102
4.3.2 情境信息的建模方法 103
4.4 情境感知推薦算法 107
4.5 兩種典型的改進(jìn)情境感知推薦算法 112
4.5.1 基于矩陣分解的情境感知推薦算法 112
4.5.2 寬松匹配的情境感知推薦算法 114
4.6 情境感知推薦系統(tǒng)的效用評(píng)價(jià) 118
參考文獻(xiàn) 119
第5章 社會(huì)化推薦 124
5.1 社會(huì)化推薦概述 125
5.1.1 社會(huì)化推薦系統(tǒng)的形式化定義 125
5.1.2 社會(huì)化推薦系統(tǒng)的基本框架 126
5.1.3 社會(huì)化網(wǎng)絡(luò)模型的構(gòu)建 127
5.1.4 社會(huì)化推薦生成技術(shù) 128
5.2 融合移動(dòng)用戶信任關(guān)系的協(xié)同過(guò)濾推薦算法 129
5.2.1 信任用戶間的影響度計(jì)算 131
5.2.2 融合信任關(guān)系的推薦方法 135
5.3 融合用戶群組關(guān)系的群組推薦方法 135
5.4 融合用戶地理位置信息的協(xié)同過(guò)濾推薦方法 139
5.4.1 基于地理位置信息的用戶偏好特征模型 140
5.4.2 用戶間的信任度計(jì)算 142
5.4.3 基于用戶地理位置信息的網(wǎng)絡(luò)信息推薦算法 143
5.5 融合項(xiàng)目相似度和信任關(guān)系的推薦方法 145
參考文獻(xiàn) 149
第6章 群組推薦 153
6.1 群組推薦概述 154
6.1.1 群組推薦的基本方法 154
6.1.2 群組的發(fā)現(xiàn)和群組推薦的偏好融合策略 155
6.2 偏好融合的方法 157
6.3 群組特征對(duì)偏好融合算法的影響 160
6.4 群組推薦系統(tǒng)的效用評(píng)價(jià) 161
6.5 基于項(xiàng)目評(píng)分和特征的群組推薦方法 163
6.5.1 構(gòu)建用戶偏好模型 164
6.5.2 構(gòu)建群組偏好模型 166
6.5.3 群組相似度計(jì)算 167
6.5.4 群組推薦算法 168
參考文獻(xiàn) 170