| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-11页 |
| 1 绪论 | 第11-18页 |
| ·研究背景及意义 | 第11-13页 |
| ·研究背景 | 第11-12页 |
| ·研究意义 | 第12-13页 |
| ·国内外研究现状 | 第13-16页 |
| ·个性化推荐研究现状 | 第13-14页 |
| ·社交网络个性化推荐 | 第14页 |
| ·基于位置的社交网络 | 第14-15页 |
| ·全局信任和本地信任 | 第15页 |
| ·面临的挑战 | 第15-16页 |
| ·论文主要工作及研究内容 | 第16页 |
| ·全文组织结构 | 第16-18页 |
| 2 相关理论介绍 | 第18-22页 |
| ·Web服务 | 第18页 |
| ·社交网络 | 第18-19页 |
| ·基于位置的社交网络 | 第19-22页 |
| ·基于位置的服务（LBS） | 第19-20页 |
| ·基于位置的社交网络（LBSN） | 第20-22页 |
| 3 服务推荐相关研究 | 第22-28页 |
| ·推荐系统概述 | 第22-23页 |
| ·推荐系统的类别与优劣 | 第23-26页 |
| ·基于内容的推荐 | 第23页 |
| ·协同过滤推荐 | 第23-25页 |
| ·混和协同过滤 | 第25页 |
| ·其他推荐技术 | 第25-26页 |
| ·基于LBSN好友关系的地点推荐 | 第26-28页 |
| ·基于内存的算法 | 第26页 |
| ·基于模型的算法 | 第26-28页 |
| 4 基于LBSN好友关系的地点推荐 | 第28-41页 |
| ·引言 | 第28页 |
| ·相关工作 | 第28-29页 |
| ·相关定义 | 第29-31页 |
| ·基于好友关系与景点适宜时间的相似用户协同过滤 | 第31-37页 |
| ·PTLR框架与流程 | 第31-33页 |
| ·改进的基于协同过滤的景点兴趣计算方法（TSCF） | 第33-34页 |
| ·景点适宜时间因素 | 第34-36页 |
| ·周边景点关联推荐 | 第36-37页 |
| ·实验评估 | 第37-40页 |
| ·推荐景点准确性评估 | 第37-39页 |
| ·λ 对准确性的影响 | 第39页 |
| ·相似邻居数目影响 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 融合全局信任和社交信任的推荐 | 第41-53页 |
| ·问题分析 | 第41-43页 |
| ·概念定义 | 第43-45页 |
| ·全局和本地信任 | 第45-49页 |
| ·方法概述 | 第45页 |
| ·全局信任的影响 | 第45-46页 |
| ·本地信任计算 | 第46-47页 |
| ·用户兴趣评分 | 第47-48页 |
| ·融合计算 | 第48-49页 |
| ·实验 | 第49-52页 |
| ·评价指标 | 第49-50页 |
| ·实验结果及分析 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| ·总结 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 在学研究成果 | 第60-61页 |
| 致谢 | 第61页 |