版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、隨著國內(nèi)移動電話用戶數(shù)量的快速增加以及移動通信新技術(shù)的飛速發(fā)展,通過空中下載技術(shù)(Over The Air,以下簡稱OTA)提供的各種各樣的應(yīng)用也隨之增多。 而由此帶來的是用戶在面對如此數(shù)量眾多的應(yīng)用時(shí)該如何選擇的問題。顯然,出于不同的興趣愛好,不同的應(yīng)用和目的,不同的用戶對于應(yīng)用的需求是不同的。這樣在面對大量的應(yīng)用時(shí),用戶往往陷入無從選擇的尷尬境地。所以,提出個(gè)性化應(yīng)用推薦系統(tǒng)是十分必要的。而如何挖掘和建立用戶興趣模型,正確把
2、握用戶的興趣類型是提高個(gè)性化服務(wù)質(zhì)量的關(guān)鍵。 本文作為作者的碩士畢業(yè)論文,針對OTA系統(tǒng)中的應(yīng)用,在闡述當(dāng)前國際國內(nèi)相關(guān)領(lǐng)域的研究現(xiàn)狀之后,提出一種應(yīng)用推薦系統(tǒng)模型,該模型基于Agent理論,目的是實(shí)現(xiàn)個(gè)性化的應(yīng)用推薦。 本文以移動個(gè)性化服務(wù)作為研究方向,著重研究移動用戶在應(yīng)用下載與使用等行為中表現(xiàn)出的用戶興趣傾向,并基于這些傾向,對用戶進(jìn)行個(gè)性化的應(yīng)用推薦。 本文在簡單介紹了數(shù)據(jù)挖掘,個(gè)性化推薦等技術(shù)的基礎(chǔ)上,
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 個(gè)性化推薦系統(tǒng)的研究與應(yīng)用.pdf
- 個(gè)性化推薦系統(tǒng)中的推薦算法研究.pdf
- 個(gè)性化推薦系統(tǒng)應(yīng)用及研究.pdf
- 數(shù)據(jù)挖掘在個(gè)性化推薦系統(tǒng)中的應(yīng)用.pdf
- 個(gè)性化推薦系統(tǒng)
- 個(gè)性化推薦系統(tǒng)技術(shù)與應(yīng)用.pdf
- 個(gè)性化推薦系統(tǒng)技術(shù)與應(yīng)用
- 個(gè)性化推薦系統(tǒng)算法研究與應(yīng)用.pdf
- 個(gè)性化推薦系統(tǒng)算法研究.pdf
- 個(gè)性化推薦系統(tǒng)在牛贊網(wǎng)中的應(yīng)用.pdf
- 個(gè)性化推薦系統(tǒng)研究及其在信息檢索中的應(yīng)用.pdf
- 信息發(fā)布的個(gè)性化推薦系統(tǒng).pdf
- 協(xié)同過濾技術(shù)在個(gè)性化推薦系統(tǒng)中的應(yīng)用.pdf
- 基于本體的個(gè)性化推薦系統(tǒng)
- 基于標(biāo)簽的個(gè)性化推薦系統(tǒng)的研究.pdf
- 個(gè)性化推薦系統(tǒng)中基于本體的用戶建模研究.pdf
- 個(gè)性化信息推薦系統(tǒng)研究.pdf
- 個(gè)性化推薦系統(tǒng)中協(xié)同過濾算法的研究.pdf
- 協(xié)同推薦技術(shù)及其在科技文獻(xiàn)個(gè)性化推薦系統(tǒng)中的應(yīng)用研究.pdf
- MoSoSo系統(tǒng)中個(gè)性化信息推薦模型研究.pdf
評論
0/150
提交評論