| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 兴趣点推荐研究现状 | 第12-14页 |
| 1.2.2 位置隐私研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 相关理论基础 | 第18-29页 |
| 2.1 传统推荐技术 | 第18-21页 |
| 2.1.1 协同过滤推荐技术 | 第18-20页 |
| 2.1.2 基于内容推荐技术 | 第20-21页 |
| 2.2 基于地理社交网络的推荐 | 第21-24页 |
| 2.2.1 地理社交网络 | 第21-22页 |
| 2.2.2 地理社交网络的推荐系统 | 第22页 |
| 2.2.3 地理社交网络的兴趣点推荐 | 第22-24页 |
| 2.3 位置隐私保护相关技术 | 第24-28页 |
| 2.3.1 位置服务的安全威胁 | 第25页 |
| 2.3.2 位置隐私的体系结构 | 第25-26页 |
| 2.3.3 位置隐私的相关方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于距离权值的兴趣点推荐 | 第29-37页 |
| 3.1 问题概述 | 第29-30页 |
| 3.2 基于距离权值的推荐算法 | 第30-32页 |
| 3.2.1 柏关定义 | 第30页 |
| 3.2.2 推荐算法框架 | 第30-32页 |
| 3.2.3 算法评估标准 | 第32页 |
| 3.3 实验与分析 | 第32-36页 |
| 3.3.1 实验数据集 | 第32-33页 |
| 3.3.2 调整参数选取 | 第33-35页 |
| 3.3.3 推荐算法对比 | 第35页 |
| 3.3.4 推荐质量分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于k坐标均值的隐私保护算法 | 第37-48页 |
| 4.1 问题概述 | 第37页 |
| 4.2 k-坐标均值相关知识 | 第37-40页 |
| 4.2.1 相关定义 | 第37-38页 |
| 4.2.2 隐私保护的系统结构 | 第38-39页 |
| 4.2.3 隐私保护的流程 | 第39-40页 |
| 4.3 k-coordinates mean隐私保护方法 | 第40-44页 |
| 4.3.1 k-coordinates mean算法实现目的 | 第40-41页 |
| 4.3.2 k-coordinates mean算法 | 第41-43页 |
| 4.3.3 复杂度分析 | 第43-44页 |
| 4.3.4 算法性能评估标准 | 第44页 |
| 4.4 实验与分析 | 第44-47页 |
| 4.4.1 实验环境 | 第44-45页 |
| 4.4.2 隐私保护性能分析 | 第45-46页 |
| 4.4.3 隐私保护效果分析 | 第46-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第五章 基于频繁位置的隐私保护算法 | 第48-57页 |
| 5.1 问题概述 | 第48-49页 |
| 5.2 (k,c)-anonymity隐私保护方法 | 第49-53页 |
| 5.2.1 相关定义 | 第49-51页 |
| 5.2.2 (k,c)-anonymity算法 | 第51-52页 |
| 5.2.3 复杂度分析 | 第52-53页 |
| 5.2.4 性能评估 | 第53页 |
| 5.3 实验与分析 | 第53-56页 |
| 5.3.1 实验设置 | 第53-54页 |
| 5.3.2 数据可用性分析 | 第54-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 论文总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-66页 |
| 致谢 | 第66-68页 |
| 附录: 攻读学位期间参与的科研情况与公开发表的论文 | 第68-69页 |
| 参与的科研项目 | 第68页 |
| 已发表论文 | 第68页 |
| 专利和软件著作权 | 第68-69页 |
| 获奖情况 | 第69页 |
