| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.1.1 研究背景 | 第14-15页 |
| 1.1.2 研究意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-19页 |
| 1.2.1 LBSN研究现状 | 第15-17页 |
| 1.2.2 LBSN中好友推荐研究现状 | 第17-18页 |
| 1.2.3 LBSN中地点推荐研究现状 | 第18-19页 |
| 1.3 研究内容与章节安排 | 第19-22页 |
| 第二章 相关研究与理论基础 | 第22-32页 |
| 2.1 基于协同过滤的推荐算法 | 第22-23页 |
| 2.2 其他个性化推荐算法 | 第23-27页 |
| 2.2.1 基于关联规则的推荐算法 | 第23-24页 |
| 2.2.2 基于内容的推荐算法 | 第24-25页 |
| 2.2.3 混合推荐 | 第25-27页 |
| 2.3 相似性度量 | 第27-28页 |
| 2.4 性能评价指标 | 第28-32页 |
| 第三章 LBSN中融合线上关系和线下行为的好友推荐算法 | 第32-41页 |
| 3.1 位置偏好相似性计算 | 第32-35页 |
| 3.1.1 地点信息熵 | 第32-33页 |
| 3.1.2 考虑时间因素的位置偏好相似性计算 | 第33-34页 |
| 3.1.3 排除时间因素的位置偏好相似性计算 | 第34页 |
| 3.1.4 计算位置偏好相似性分值 | 第34-35页 |
| 3.2 距离相似性计算 | 第35-37页 |
| 3.2.1 用户及其好友签到距离关系探究 | 第35页 |
| 3.2.2 计算距离相似性分值 | 第35-37页 |
| 3.3 熟识度计算 | 第37-39页 |
| 3.3.1 基于共同好友数的熟识度计算 | 第37-38页 |
| 3.3.2 基于路数与阶数的熟识度计算 | 第38-39页 |
| 3.4 计算最终推荐分值 | 第39页 |
| 3.5 好友推荐算法步骤 | 第39-41页 |
| 第四章 LBSN中融合信任关系与距离的二部图地点推荐算法 | 第41-49页 |
| 4.1 基于二部图地点推荐算法 | 第41-44页 |
| 4.1.1 基于物质扩散理论的相似性计算 | 第41-43页 |
| 4.1.2 基于相似性的地点推荐算法 | 第43-44页 |
| 4.2 利用信任关系改进二部图地点推荐算法 | 第44-47页 |
| 4.2.1 基于信任关系的推荐系统 | 第44页 |
| 4.2.2 用户-用户信任度的计算 | 第44-46页 |
| 4.2.3 考虑信任关系的二部图地点推荐分值计算 | 第46页 |
| 4.2.4 LBSN中考虑信任关系的二部图地点推荐算法 | 第46-47页 |
| 4.3 利用距离改进二部图地点推荐算法 | 第47-48页 |
| 4.3.1 用户-地点距离计算 | 第47页 |
| 4.3.2 考虑距离的二部图地点推荐分值计算 | 第47-48页 |
| 4.3.3 LBSN中考虑距离的二部图地点推荐算法 | 第48页 |
| 4.4 LBSN中融合信任关系与距离的二部图地点推荐算法 | 第48-49页 |
| 第五章 实验设计与结果分析 | 第49-57页 |
| 5.1 实验设置与评价指标 | 第49-50页 |
| 5.1.1 实验环境 | 第49页 |
| 5.1.2 实验数据集 | 第49页 |
| 5.1.3 实验评价指标 | 第49-50页 |
| 5.2 好友推荐算法实验设计与结果分析 | 第50-53页 |
| 5.2.1 实验数据准备 | 第50页 |
| 5.2.2 对比实验 | 第50-51页 |
| 5.2.3 特征组合对性能的影响 | 第51-53页 |
| 5.2.4 实验结果分析 | 第53页 |
| 5.3 地点推荐算法实验设计与结果分析 | 第53-57页 |
| 5.3.1 实验数据准备 | 第53-54页 |
| 5.3.2 对比实验 | 第54页 |
| 5.3.3 实验结果分析 | 第54-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 研究不足与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第63-64页 |
