| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 课题来源及本人所做工作 | 第10-11页 |
| 1.2.1 课题来源 | 第10页 |
| 1.2.2 本人所做工作 | 第10-11页 |
| 1.3 论文组织结构 | 第11-13页 |
| 第二章 相关背景知识与研究现状 | 第13-23页 |
| 2.1 Flickr | 第13页 |
| 2.2 百度地图开放平台 | 第13-14页 |
| 2.2.1 Web开发之JavaScriptAPI | 第14页 |
| 2.2.2 逆地址解析 | 第14页 |
| 2.3 聚类算法 | 第14-16页 |
| 2.3.1 经典聚类算法 | 第15页 |
| 2.3.2 小波聚类算法 | 第15-16页 |
| 2.4 规则挖掘算法 | 第16-17页 |
| 2.4.1 关联规则挖掘算法 | 第16页 |
| 2.4.2 先验算法 | 第16-17页 |
| 2.5 个性化推荐算法 | 第17-19页 |
| 2.5.1 常用的个性化推荐算法 | 第18页 |
| 2.5.2 协同过滤 | 第18-19页 |
| 2.6 国内外研究现状 | 第19-22页 |
| 2.6.1 地点提取的研究现状 | 第19-20页 |
| 2.6.2 群体模式与个人偏好研究现状 | 第20-21页 |
| 2.6.3 基于位置的旅游推荐应用研究现状 | 第21-22页 |
| 2.7 本章小结 | 第22-23页 |
| 第三章 基于小波聚类的全球景点提取 | 第23-32页 |
| 3.1 数据集与城市 | 第23-25页 |
| 3.1.1 Flickr数据集概况 | 第23-24页 |
| 3.1.2 城市相关模式 | 第24-25页 |
| 3.2 城市提取 | 第25-27页 |
| 3.3 景点提取 | 第27-30页 |
| 3.4 实验效果验证 | 第30页 |
| 3.5 本章小结 | 第30-32页 |
| 第四章 基于关联规则的用户群体访问模式 | 第32-39页 |
| 4.1 景点访问集 | 第32-34页 |
| 4.2 频繁景点及其关系网 | 第34-36页 |
| 4.3 实验效果验证 | 第36-38页 |
| 4.4 本章小结 | 第38-39页 |
| 第五章 结合群体模式与个人偏好的景点推荐 | 第39-50页 |
| 5.1 群体访问模式景点推荐 | 第39-41页 |
| 5.1.1 基于模式推荐算法的核心步骤 | 第39-40页 |
| 5.1.2 群体访问模式景点推荐实验及其结果 | 第40-41页 |
| 5.2 个人偏好景点推荐 | 第41-44页 |
| 5.2.1 基于用户协同过滤算法的核心步骤 | 第41-42页 |
| 5.2.2 个人偏好景点推荐实验及其结果 | 第42-44页 |
| 5.3 综合景点推荐 | 第44-47页 |
| 5.3.1 综合推荐算法的核心步骤 | 第45页 |
| 5.3.2 综合景点推荐实验及其结果 | 第45-47页 |
| 5.4 实验效果验证 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 参考文献 | 第52-54页 |
| 附录1 程序清单 | 第54-55页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第55-56页 |
| 附录3 攻读硕士学位期间申请的专利 | 第56-57页 |
| 附录4 攻读硕士学位期间参加的科研项目 | 第57-58页 |
| 致谢 | 第58页 |