题目：面向用户的互联网应用组合推荐的研究和实现

随着互联网的快速发展，出现了大量的互联网应用。根据运行的终端的不同，互联网应用分为两大部分：浏览器端互联网应用和移动端互联网应用。本文重点研究分析移动端的互联网应用。为了克服大量的移动应用给用户带来的“信息过载”问题，帮助用户找到满意的移动应用，已有许多工作将传统互联网中的电子商务的推荐系统引入移动应用领域。

目前在移动应用推荐领域的工作，结合了两种技术：传统的协同过滤的推荐技术和上下文（如：移动设备的地理位置信息）感知的推荐技术，这两种技术都是重点关注推荐结果的准确率。而仅仅以推荐的准确率为推荐方法的评价标准，会对推荐造成误导，导致推荐结果与用户的购买历史高度相似，使用户陷入相似性陷阱。对用户来说，跟已经拥有应用高度相似的推荐结果基本无效。

因此，针对上述问题，本文旨在研究移动应用领域中的推荐系统问题，即如何合理的分析利用移动应用相对于传统电子商务中商品的特殊性，避免推荐结果陷入“相似性陷阱”，为用户提供满意的推荐结果。

首先，本文对移动应用领域中推荐系统相关工作以及评价标准进行对比和分析，总结其中的问题。接着针对现有移动推荐方法的局限性，分析移动应用的用户使用模式，给出一种基于用户使用模式的移动应用的推荐方向，并给出基于此方向的推荐方法的评价标准，即应用之间合作关系的评价标准。继而，设计一种基于用户使用模式的移动应用的推荐方法，此方法较之传统的基于内容的推荐方法，能够为用户推荐出具有合作关系的应用组合，避免推荐结果的过度相似。

其次，为给上述研究以及后续推荐系统的实现提供数据支持，本文设计并实现了一个移动应用收集与分析系统，能够从互联网上爬取大量移动应用相关数据（如：应用软件包，应用展示页面等），并能够快速的解析此原始数据，从中提取有用信息，建立移动应用信息的数据库。

最后，基于上述研究成果和数据基础，本文设计并实现一个移动端应用的推荐系统以及工作在Android平台的推荐客户端，能够为用户提供满意的推荐结果。