第1章 绪论 1
1.1 研究背景与意义 1
1.1.1 研究背景 1
1.1.2 研究意义 4
1.2 本书研究内容与思路 5
1.2.1 主要研究内容 5
1.2.2 研究思路 6
1.3 本书篇章结构 7
第2章 国内外研究综述 10
2.1 个性化推荐模式的分类 10
2.1.1 传统个性化推荐模式 11
2.1.2 基于情境的个性化推荐模式 12
2.1.3 基于情境的推荐模式 13
2.1.4 个性化推荐的实现过程 17
2.2 个性化推荐知识建模 17
2.2.1 传统个性化推荐知识模型 17
2.2.2 基于情境的个性化推荐知识模型 20
2.3 基于情境的用户偏好挖掘研究 23
2.4 个性化推荐技术及分类 24
2.4.1 基于内容过滤的推荐 25
2.4.2 协同过滤推荐 26
2.4.3 基于知识的推荐 31
2.4.4 各种推荐技术的比较 32
2.4.5 基于情境的个性化推荐技术 33
2.5 国内外相关研究小结 35
2.6 本章小结 36
第3章 基于情境的个性化推荐知识建模 37
3.1 问题分析及描述 37
3.2 个性化推荐服务的本体建模 38
3.2.1 推荐知识模型 38
3.2.2 情境本体 39
3.2.3 商品本体 44
3.2.4 用户本体 47
3.3 基于情境的个性化推荐框架 48
3.4 本章小结 49
第4章 基于情境的用户偏好分析 50
4.1 问题分析及描述 50
4.2 情境化的用户偏好提取 51
4.2.1 情境化的用户偏好模型 52
4.2.2 基于贝叶斯网络的情境化用户偏好分析 54
4.2.3 实验分析 56
4.3 基于情境重要度的用户偏好分析 59
4.3.1 信息熵理论 59
4.3.2 情境信息熵的计算 60
4.3.3 基于情境重要度的用户偏好计算 63
4.3.4 实验分析 64
4.4 本章小结 65
第5章 基于情境的商品个性化混合推荐方法研究 66
5.1 问题分析及描述 66
5.1.1 数据稀疏问题下的近邻选择问题 66
5.1.2 情境在协同过滤推荐中的融入问题 68
5.2 混合推荐基本框架及流程 69
5.3 基于情境化偏好的协同过滤推荐 71
5.3.1 缺失值预测处理 72
5.3.2 情境化的用户偏好相似性 74
5.3.3 推荐生成 75
5.3.4 改进的协同过滤推荐流程 77
5.3.5 实验分析 78
5.4 集成知识过滤的混合推荐 81
5.4.1 知识过滤中的语义规则 82
5.4.2 基于情境的推理优化 83
5.5 实验与结果分析 85
5.5.1 基于知识推荐的有效性分析 85
5.5.2 推理优化的有效性评估 86
5.5.3 混合推荐方法的有效性评估 87
5.6 本章小结 88
第6章 应用研究 89
6.1 系统设计 89
6.1.1 系统基本框架设计 89
6.1.2 相关数据信息 90
6.2 个性化推荐流程 94
6.3 案例分析 95
6.4 本章小结 97
第7章 结论与展望 98
7.1 结论 98
7.2 创新点 99
7.3 展望 101
参考文献 102