智慧校园中基于位置服务的教育资源推荐系统研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-15页 |
| 第一章 绪论 | 第15-21页 |
| ·研究背景 | 第15-17页 |
| ·研究现状 | 第17-18页 |
| ·室内定位技术的研究现状 | 第17页 |
| ·基于用户位置的推荐技术研究现状 | 第17-18页 |
| ·本文主要工作 | 第18-19页 |
| ·论文结构 | 第19-21页 |
| 第二章 传统个性化推荐算法的介绍 | 第21-33页 |
| ·基于内容的推荐 | 第21-24页 |
| ·协同过滤推荐 | 第24-30页 |
| ·基于内存的协同过滤 | 第26-28页 |
| ·基于模型的协同过滤 | 第28-30页 |
| ·混合推荐 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 系统主体框架设计 | 第33-45页 |
| ·系统整体设计 | 第33-35页 |
| ·基于WiFi指纹的室内定位子系统 | 第35-38页 |
| ·WiFi指纹库建立 | 第36-37页 |
| ·混合KNN和贝叶斯的在线定位 | 第37-38页 |
| ·海量教育资源组织管理 | 第38-40页 |
| ·海量数据存储 | 第38-39页 |
| ·教育资源的简单特征提取 | 第39-40页 |
| ·社交化推荐 | 第40-42页 |
| ·基于内存的社交化推荐 | 第41页 |
| ·基于模型的社交化推荐 | 第41-42页 |
| ·关键数据结构 | 第42-44页 |
| ·用户历史位置信息 | 第42-43页 |
| ·区域-资源访问表 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 改进的基于LBS的推荐算法 | 第45-59页 |
| ·基于室内定位的推荐 | 第45-53页 |
| ·算法流程 | 第46-47页 |
| ·室内位置聚类 | 第47-50页 |
| ·近邻用户集的确定 | 第50-51页 |
| ·评分预测模块 | 第51-53页 |
| ·基于矩阵分解的室外推荐 | 第53-58页 |
| ·算法流程 | 第54-55页 |
| ·室外位置聚类与常去位置判断 | 第55-56页 |
| ·贝叶斯预测 | 第56-58页 |
| ·临时兴趣推荐 | 第58页 |
| ·本章小结 | 第58-59页 |
| 第五章 实验与分析 | 第59-71页 |
| ·实验环境 | 第59-60页 |
| ·评价方法及标准 | 第60-61页 |
| ·交叉验证 | 第60页 |
| ·评价指标 | 第60-61页 |
| ·基于室内定位推荐算法的实验及分析 | 第61-66页 |
| ·实验数据集 | 第61-62页 |
| ·实验设计 | 第62页 |
| ·实验过程与结果分析 | 第62-66页 |
| ·基于矩阵分解的室外推荐算法实验及分析 | 第66-70页 |
| ·实验数据集及预处理 | 第66-67页 |
| ·实验设计 | 第67页 |
| ·实验过程与结果分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·工作总结 | 第71-72页 |
| ·未来工作展望 | 第72-73页 |
| 参考文献 | 第73-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间发表论文和科研情况 | 第81页 |
