LBSN中基于评论的本地专家发现
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 基于领域的专家发现研究现状 | 第13-14页 |
| 1.2.2 基于位置的专家发现研究现状 | 第14-15页 |
| 1.2.3 Yelp相关研究 | 第15-16页 |
| 1.3 本文的主要工作 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-19页 |
| 第二章 相关理论知识概述 | 第19-27页 |
| 2.1 聚类技术 | 第19-21页 |
| 2.2 文档主题模型(LDA) | 第21-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第三章 本地专家评分 | 第27-41页 |
| 3.1 数据描述及问题描述 | 第27-29页 |
| 3.1.1 数据描述 | 第27-29页 |
| 3.1.2 问题描述 | 第29页 |
| 3.2 可行性分析及候选集选取 | 第29-33页 |
| 3.2.1 可行性分析 | 第29-32页 |
| 3.2.2 候选集选取 | 第32-33页 |
| 3.3 本地专家评分 | 第33-39页 |
| 3.3.1 个人属性评分 | 第33-34页 |
| 3.3.2 评论语义评分 | 第34-36页 |
| 3.3.3 社交关系评分 | 第36-37页 |
| 3.3.4 用户位置评分 | 第37-39页 |
| 3.4 兴趣点选取及数据集用户标注 | 第39-40页 |
| 3.4.1 兴趣点选取 | 第39页 |
| 3.4.2 本地专家标注 | 第39-40页 |
| 3.5 木章小结 | 第40-41页 |
| 第四章 基于评论的本地专家发现 | 第41-47页 |
| 4.1 基于评论的本地专家评分模型 | 第41-42页 |
| 4.2 专家评分模型学习 | 第42-44页 |
| 4.2.1 优化目标 | 第42-43页 |
| 4.2.2 参数学习 | 第43-44页 |
| 4.2.3 模型学习算法 | 第44页 |
| 4.3 基于评论的本地专家发现算法 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 实验方法与分析 | 第47-53页 |
| 5.1 实验环境 | 第47页 |
| 5.2 实验方法 | 第47-49页 |
| 5.2.1 数据集划分 | 第47页 |
| 5.2.2 评价指标 | 第47-48页 |
| 5.2.3 对比算法 | 第48-49页 |
| 5.3 实验结果及分析 | 第49-51页 |
| 5.4 本章小结 | 第51-53页 |
| 第六章 原型系统设计与实现 | 第53-61页 |
| 6.1 原型系统设计 | 第53页 |
| 6.2 开发环境 | 第53页 |
| 6.3 各模块设计 | 第53-58页 |
| 6.4 可视化界面 | 第58-59页 |
| 6.5 本章小结 | 第59-61页 |
| 第七章 总结与展望 | 第61-63页 |
| 7.1 工作总结 | 第61页 |
| 7.2 研究展望 | 第61-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 作者简介 | 第69页 |
