基于位置的社交网络兴趣点推荐策略研究
| 摘要 | 第2-4页 |
| ABSTRACT | 第4-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和现状 | 第9-14页 |
| 1.1.1 研究背景和意义 | 第9-10页 |
| 1.1.2 国内外研究现状 | 第10-14页 |
| 1.2 课题的研究内容 | 第14-15页 |
| 1.3 本文组织结构 | 第15-16页 |
| 第2章 相关工作综述 | 第16-26页 |
| 2.1 传统推荐方法 | 第16-18页 |
| 2.1.1 基于协同过滤的推荐方法 | 第16-17页 |
| 2.1.2 基于内容的推荐方法 | 第17-18页 |
| 2.1.3 混合推荐方法 | 第18页 |
| 2.2 基于位置的社交网络 | 第18-20页 |
| 2.3 兴趣点推荐 | 第20-24页 |
| 2.4 推荐效果的评测分析 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 兴趣点影响分析与推荐模型 | 第26-41页 |
| 3.1 模型背景 | 第26-27页 |
| 3.2 基于隐语义模型的混合高斯聚类推荐模型 | 第27-37页 |
| 3.2.1 问题定义以及推荐框架 | 第27-29页 |
| 3.2.2 用户行为特征挖掘 | 第29-31页 |
| 3.2.3 相关推荐模型 | 第31-36页 |
| 3.2.4 混合模型 | 第36-37页 |
| 3.3 实验结果与分析 | 第37-39页 |
| 3.3.1 实验数据集 | 第37页 |
| 3.3.2 实验评估标准 | 第37-38页 |
| 3.3.3 实验对比分析 | 第38-39页 |
| 3.4 本章小结 | 第39-41页 |
| 第4章 融合时空特性的兴趣点推荐模型 | 第41-51页 |
| 4.1 问题定义 | 第41页 |
| 4.2 时间特性分析 | 第41-43页 |
| 4.2.1 行为差异性 | 第42-43页 |
| 4.2.2 行为连续性 | 第43页 |
| 4.3 基于时间因素的兴趣点推荐算法 | 第43-46页 |
| 4.4 融合时空特性的兴趣点推荐模型 | 第46-47页 |
| 4.5 实验结果与分析 | 第47-49页 |
| 4.5.1 实验准备 | 第48页 |
| 4.5.2 实验对比分析 | 第48-49页 |
| 4.6 本章小结 | 第49-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51-52页 |
| 5.2 展望 | 第52-53页 |
| 参考文献 | 第53-60页 |
| 攻读学位期间的成果 | 第60-61页 |
| 致谢 | 第61-62页 |
