目录 第1章 绪论1 1.1 移动互联网的基本概念2 1.1.1 移动互联网的定义及特点2 1.1.2 移动互联网**技术4 1.2 移动**系统研究框架10 1.3 移动**系统的应用13 1.4 移动互联网信息**领域中的研究热点16 参考文献18 第2章 **系统理论综述21 2.1 基于内容的**方法21 2.1.1 概述21 2.1.2 算法流程22 2.1.3 优点与不足26 2.2 协同过滤**方法27 2.2.1 基于邻域的协同过滤**方法28 2.2.2 基于模型的协同过滤**方法31 2.2.3 优点与不足33 2.3 情境感知**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**技术的分类37 2.3.4 优点与不足39 2.4 社会化**方法40 2.4.1 概述40 2.4.2 社会关系网络模型的构建42 2.4.3 社会化**生成技术44 2.4.4 优点与不足47 2.5 群组**方法49 2.5.1 概述49 2.5.2 群组**方法的关键技术50 2.5.3 优点与不足52 2.6 基于深度学习的**方法53 2.6.1 概述53 2.6.2 深度学习模型54 2.6.3 基于深度学习的**方法分类57 2.6.4 优点与不足59 2.7 大数据环境下的**方法60 2.7.1 概述60 2.7.2 大数据环境下的**方法中的技术61 2.7.3 大数据环境下的**方法的分类65 2.7.4 优点与不足66 参考文献67 第3章 移动用户需求获取71 3.1 移动用户需求特点72 3.2 用户需求获取技术概述74 3.2.1 传统用户需求获取技术74 3.2.2 移动用户需求获取技术76 3.3 移动用户需求获取关键技术77 3.3.1 移动用户需求获取技术框架77 3.3.2 情境对移动用户需求的影响79 3.3.3 移动用户需求获取的计算方法81 3.3.4 移动用户需求动态获取及自适应更新技术84 3.4 移动用户需求获取技术效用评价86 3.5 有待进一步研究的问题88 参考文献90 第4章 移动情境感知**96 4.1 情境信息概述97 4.1.1 情境信息的概念及特点97 4.1.2 移动情境信息的分类98 4.2 情境信息的获取100 4.2.1 情境信息获取的技术架构100 4.2.2 情境信息的获取方法101 4.3 情境信息的表示方法与建模方法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**算法107 4.5 两种典型的改进情境感知**算法112 4.5.1 基于矩阵分解的情境感知**算法112 4.5.2 宽松匹配的情境感知**算法114 4.6 情境感知**系统的效用评价118 参考文献119 第5章 社会化**124 5.1 社会化**概述125 5.1.1 社会化**系统的形式化定义125 5.1.2 社会化**系统的基本框架126 5.1.3 社会化网络模型的构建127 5.1.4 社会化**生成技术128 5.2 融合移动用户信任关系的协同过滤**算法129 5.2.1 信任用户间的影响度计算131 5.2.2 融合信任关系的**方法135 5.3 融合用户群组关系的群组**方法135 5.4 融合用户地理位置信息的协同过滤**方法139 5.4.1 基于地理位置信息的用户偏好特征模型140 5.4.2 用户间的信任度计算142 5.4.3 基于用户地理位置信息的网络信息**算法143 5.5 融合项目相似度和信任关系的**方法145 参考文献149 第6章 群组**153 6.1 群组**概述154 6.1.1 群组**的基本方法154 6.1.2 群组的发现和群组**的偏好融合策略155 6.2 偏好融合的方法157 6.3 群组特征对偏好融合算法的影响160 6.4 群组**系统的效用评价161 6.5 基于项目评分和特征的群组**方法163 6.5.1 构建用户偏好模型164 6.5.2 构建群组偏好模型166 6.5.3 群组相似度计算167 6.5.4 群组**算法168 参考文献170