基于位置的社交网络推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 用户感兴趣的位置推荐 | 第12-14页 |
| 1.2.2 用户推荐 | 第14-15页 |
| 1.2.3 活动推荐及社交媒体推荐 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 本文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第2章 相关理论概述 | 第19-31页 |
| 2.1 基于位置的社交网络 | 第19-24页 |
| 2.1.1 在线社交网络 | 第19-21页 |
| 2.1.2 基于位置的服务 | 第21-23页 |
| 2.1.3 基于位置的社交网络的层次结构 | 第23-24页 |
| 2.2 推荐算法概述 | 第24-27页 |
| 2.2.1 基于内容的推荐 | 第24-25页 |
| 2.2.2 基于协同过滤的推荐 | 第25-27页 |
| 2.3 其他相关概念 | 第27-30页 |
| 2.3.1 推荐效果的度量方法 | 第27-29页 |
| 2.3.2 聚类方法 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 用户模型的建立 | 第31-42页 |
| 3.1 用户停留点轨迹的建立 | 第31-35页 |
| 3.1.1 用户停留点的获取 | 第31-34页 |
| 3.1.2 用户停留点的特征向量计算 | 第34-35页 |
| 3.2 用户位置轨迹的建立 | 第35-39页 |
| 3.2.1 提取位置信息 | 第35-38页 |
| 3.2.2 计算位置特征信息 | 第38-39页 |
| 3.3 用户经验值以及位置流行度计算 | 第39-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 LBSN用户与位置的推荐研究 | 第42-51页 |
| 4.1 用户推荐模型研究 | 第42-45页 |
| 4.1.1 用户推荐算法的基本思想 | 第42-43页 |
| 4.1.2 用户相似度计算 | 第43页 |
| 4.1.3 用户推荐算法 | 第43-45页 |
| 4.2 位置推荐模型研究 | 第45-50页 |
| 4.2.1 基于位置偏好度推荐 | 第46-48页 |
| 4.2.2 基于用户信任度和兴趣度推荐 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 推荐算法的测试 | 第51-55页 |
| 5.1 测试数据 | 第51页 |
| 5.2 用户推荐实验 | 第51-53页 |
| 5.2.1 实验过程 | 第51-52页 |
| 5.2.2 算法比较和分析 | 第52-53页 |
| 5.3 位置推荐实验 | 第53-54页 |
| 5.3.1 实验过程 | 第53-54页 |
| 5.3.2 算法比较和分析 | 第54页 |
| 5.4 本章小结 | 第54-55页 |
| 第6章 结论与展望 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |
