第1章 緒論
1．1 研究背景與意義
1．1．1 研究背景
1．1．2 研究意義
1．2 本書研究內(nèi)容與思路
1．2．1 主要研究內(nèi)容
1．2．2 研究思路
1．3 本書篇章結(jié)構

第2章 國內(nèi)外研究綜述
2．1 個性化推薦模式的分類
2．1．1 傳統(tǒng)個性化推薦模式
2．1．2 基于情境的個性化推薦模式
2．1．3 基于情境的推薦模式
2．1．4 個性化推薦的實現(xiàn)過程
2．2 個性化推薦知識建模
2．2．1 傳統(tǒng)個性化推薦知識模型
2．2．2 基于情境的個性化推薦知識模型
2．3 基于情境的用戶偏好挖掘研究
2．4 個性化推薦技術及分類
2．4．1 基于內(nèi)容過濾的推薦
2．4．2 協(xié)同過濾推薦
2．4．3 基于知識的推薦
2．4．4 各種推薦技術的比較
2．4．5 基于情境的個性化推薦技術
2．5 國內(nèi)外相關研究小結(jié)
2．6 本章小結(jié)

第3章 基于情境的個性化推薦知識建模
3．1 問題分析及描述
3．2 個性化推薦服務的本體建模
3．2．1 推薦知識模型
3．2．2 情境本體
3．2．3 商品本體
3．2．4 用戶本體
3．3 基于情境的個性化推薦框架
3．4 本章小結(jié)

第4章 基于情境的用戶偏好分析
4．1 問題分析及描述
4．2 情境化的用戶偏好提取
4．2．1 情境化的用戶偏好模型
4．2．2 基于貝葉斯網(wǎng)絡的情境化用戶偏好分析
4．2．3 實驗分析
4．3 基于情境重要度的用戶偏好分析
4．3．1 信息熵理論
4．3．2 情境信息熵的計算
4．3．3 基于情境重要度的用戶偏好計算
4．3．4 實驗分析
4．4 本章小結(jié)

第5章 基于情境的商品個性化混合推薦方法研究
5．1 問題分析及描述
5．1．1 數(shù)據(jù)稀疏問題下的近鄰選擇問題
5．1．2 情境在協(xié)同過濾推薦中的融人問題
5．2 混合推薦基本框架及流程
5．3 基于情境化偏好的協(xié)同過濾推薦
5．3．1 缺失值預測處理
5．3．2 情境化的用戶偏好相似性
5．3．3 推薦生成
5．3．4 改進的協(xié)同過濾推薦流程
5．3．5 實驗分析
5．4 集成知識過濾的混合推薦
5．4．1 知識過濾中的語義規(guī)則
5．4．2 基于情境的推理優(yōu)化
5．5 實驗與結(jié)果分析
5．5．1 基于知識推薦的有效性分析
5．5．2 推理優(yōu)化的有效性評估
5．5．3 混合推薦方法的有效性評估
5．6 本章小結(jié)

第6章 應用研究
6．1 系統(tǒng)設計
6．1．1 系統(tǒng)基本框架設計
6．1．2 相關數(shù)據(jù)信息
6．2 個性化推薦流程
6．3 案例分析
6．4 本章小結(jié)

第7章 結(jié)論與展望
7．1 結(jié)論
7．2 創(chuàng)新點
7．3 展望
參考文獻