| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8-9页 |
| 1.2 研究现状 | 第9-12页 |
| 1.3 研究意义与内容 | 第12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 推荐算法相关技术 | 第14-25页 |
| 2.1 推荐算法 | 第14-19页 |
| 2.1.1 协同过滤推荐 | 第14-17页 |
| 2.1.2 基于内容的推荐 | 第17-18页 |
| 2.1.3 混合推荐 | 第18-19页 |
| 2.2 推荐系统性能评价 | 第19-21页 |
| 2.2.1 离线实验 | 第19-20页 |
| 2.2.2 用户调查 | 第20-21页 |
| 2.2.3 在线实验 | 第21页 |
| 2.3 基于位置的社交网络 | 第21-24页 |
| 2.3.1 LBSNs的结构原理 | 第21-22页 |
| 2.3.2 LBSNs中的用户推荐 | 第22-23页 |
| 2.3.3 LBSNs中的位置推荐 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 混合时空和流行度特征的兴趣点推荐算法 | 第25-34页 |
| 3.1 引言 | 第25页 |
| 3.2 推荐流程框架及相关符号描述 | 第25-27页 |
| 3.2.1 兴趣点推荐流程框图 | 第25-27页 |
| 3.2.2 相关符号描述 | 第27页 |
| 3.3 时间特征分析 | 第27-28页 |
| 3.4 流行度特征分析 | 第28-29页 |
| 3.5 兴趣点推荐算法的研究 | 第29-33页 |
| 3.5.1 融合用户协同过滤和时间特征的兴趣点推荐 | 第29-31页 |
| 3.5.2 融合流行度和空间特征的兴趣点推荐 | 第31-32页 |
| 3.5.3 LRBTSP算法 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 第四章 基于隐含语义分析模型的兴趣点推荐算法 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 推荐算法整体流程框架及相关符号描述 | 第34-37页 |
| 4.2.1 兴趣点推荐整体流程框架 | 第35-37页 |
| 4.2.2 相关符号描述 | 第37页 |
| 4.3 兴趣点推荐算法的研究 | 第37-41页 |
| 4.3.1 基于用户历史签到行为偏好的兴趣点推荐算法 | 第37-39页 |
| 4.3.2 基于文本信息的兴趣点推荐算法 | 第39-41页 |
| 4.4 基于位置的社交网络的个性化兴趣点推荐算法 | 第41-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 实验结果与分析 | 第44-53页 |
| 5.1 实验数据与运行环境 | 第44-45页 |
| 5.2 评估指标与对比算法 | 第45-46页 |
| 5.3 实验分析 | 第46-52页 |
| 5.3.1 混合时空特征和流行度特征的推荐算法实验分析 | 第46-49页 |
| 5.3.2 基于位置的社交网络的个性化兴趣点推荐算法实验分析 | 第49-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第58-59页 |
| 附录2 攻读硕士学位期间申请的专利 | 第59-60页 |
| 附录3 攻读硕士学位期间参加的科研项目 | 第60-61页 |
| 致谢 | 第61页 |
