1 绪论 1
1.1 研究背景 1
1.1.1 泛在计算 1
1.1.2 物联网 3
1.1.3 商务模式的演变 5
1.2 研究问题及意义 8
1.2.1 研究问题的提出 8
1.2.2 研究意义 9
1.3 研究内容和组织 10
2 研究综述 12
2.1 泛在商务研究综述 12
2.1.1 泛在商务的基本概念 12
2.1.2 泛在商务的特点 13
2.1.3 泛在商务文献统计分析（2000—2009） 14
2.2 信息聚合研究综述 28
2.2.1 聚合、融合与集成 28
2.2.2 信息聚合及其应用 32
2.3 智能推荐研究综述 34
2.3.1 传统的信息推荐方法 35
2.3.2 新兴的信息推荐方法 40
2.4 本章小结 43
3 泛在商务环境下信息聚合与推荐框架 44
3.1 泛在商务环境下信息资源的特性 44
3.2 泛在商务环境下信息服务的特征 46
3.3 泛在商务环境下信息聚合与推荐框架 49
3.3.1 基于情境计算的用户需求模型 50
3.3.2 基于主题模型的信息按需聚合 51
3.3.3 基于兴趣社区和信任邻居的个性化推荐 52
3.4 本章小结 53
4 基于情境计算的用户需求模型 54
4.1 理论基础 54
4.1.1 情境计算 54
4.1.2 语义本体 57
4.1.3 Web日志挖掘 61
4.1.4 多关系决策树 64
4.2 基于情境历史挖掘的用户需求获取 67
4.2.1 情境历史获取 69
4.2.2 情境历史推理 77
4.2.3 偏好预测和用户建模 79
4.3 与其他方法的比较 80
4.4 本章小结 82
5 基于主题模型的Web文本按需聚合 83
5.1 主题模型 83
5.1.1 主题模型的提出 83
5.1.2 主题模型的发展历史 86
5.1.3 LDA模型 89
5.2 基于LDA的Web文本信息按需聚合 96
5.2.1 基本思路 96
5.2.2 基于LDA的主题信息采集 98
5.2.3 基于LDA的文本层次分类 108
5.2.4 基于LDA的文本检索 111
5.3 本章小结 120
6 基于兴趣社区和信任邻居的个性化推荐 121
6.1 个性化推荐系统的多样性研究进展 122
6.1.1 推荐系统多样性的类型 122
6.1.2 提高推荐系统多样性的方法 124
6.1.3 推荐系统多样性的主要度量指标 132
6.2 多层语义兴趣社区的构建 135
6.2.1 兴趣社区概述 135
6.2.2 基于用户需求本体的多层语义兴趣社区 138
6.3 基于兴趣社区和信任邻居的混合推荐模型 140
6.3.1 基于兴趣社区的用户偏好匹配算法 141
6.3.2 基于信任邻居的多样性信息推荐算法 141
6.3.3 基于兴趣社区和信任邻居的混合推荐算法 142
6.4 本章小结 142
7 实验研究：武汉泛在旅游信息聚合与推荐系统——U-Travel 144
7.1 U-Travel应用背景 144
7.2 U-Travel系统架构 146
7.2.1 系统框架 147
7.2.2 用户需求建模模块 149
7.2.3 旅游文本建模模块 155
7.2.4 旅游信息资源按需聚合模块 163
7.2.5 旅游信息推荐模块 164
7.3 系统运行结果展示 164
7.4 U-Travel主要模块测试 168
7.4.1 基于情境历史的移动用户偏好挖掘效果测试 168
7.4.2 基于LDA的中文主题抽取效果分析 175
7.4.3 基于LDA的文本层次分类效果分析 178
7.5 U-Travel性能测试 180
7.5.1 U-Travel的检索效果测试 180
7.5.2 U-Travel的个性化推荐效果测试 182
7.6 本章小结 185
8 总结与展望 187
8.1 总结 187
8.2 研究展望 188
参考文献 190