基于遗传算法与蚁群算法的多POI推荐
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 研究现状 | 第13-15页 |
| 1.2.1 遗传算法研究现状 | 第13页 |
| 1.2.2 蚁群算法研究现状 | 第13-14页 |
| 1.2.3 兴趣点推荐研究现状 | 第14-15页 |
| 1.3 研究内容 | 第15页 |
| 1.4 论文的主要贡献 | 第15-16页 |
| 1.5 本文的结构安排 | 第16-17页 |
| 第二章 LBSN介绍与相关技术 | 第17-25页 |
| 2.1 LBSN介绍 | 第17页 |
| 2.2 基于LBSN的个性化推荐 | 第17-18页 |
| 2.3 相关技术 | 第18-24页 |
| 2.3.1 个性化推荐算法 | 第18-20页 |
| 2.3.2 遗传算法 | 第20-22页 |
| 2.3.3 蚁群算法 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于遗传算法的兴趣点建模优化 | 第25-37页 |
| 3.1 LBSN签到数据的时空特征 | 第25-27页 |
| 3.2 建立POITG图 | 第27-28页 |
| 3.3 将时间因素引入遗传算法 | 第28-32页 |
| 3.3.1 遗传算法的特点 | 第28页 |
| 3.3.2 将时间因素引入遗传算法 | 第28-29页 |
| 3.3.3 初始化种群 | 第29页 |
| 3.3.4 适应度函数 | 第29页 |
| 3.3.5 遗传算子 | 第29-32页 |
| 3.4 仿真实验与分析 | 第32-36页 |
| 3.4.1 数据集介绍 | 第32页 |
| 3.4.2 实验数据预处理 | 第32-33页 |
| 3.4.3 实验环境 | 第33页 |
| 3.4.4 算法评价指标 | 第33页 |
| 3.4.5 验证实验 | 第33-35页 |
| 3.4.6 结果分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于蚁群算法推荐兴趣点的研究 | 第37-49页 |
| 4.1 理论分析 | 第37-38页 |
| 4.1.1 协同过滤算法概述 | 第37-38页 |
| 4.1.2 算法提出的基本思想 | 第38页 |
| 4.2 将蚁群算法与协同过滤算法结合 | 第38-41页 |
| 4.2.1 生成节点和路径 | 第38-39页 |
| 4.2.2 建立目标函数 | 第39-40页 |
| 4.2.3 具体推荐流程 | 第40-41页 |
| 4.3 实验分析 | 第41-48页 |
| 4.3.1 数据集与预处理 | 第41-42页 |
| 4.3.2 实验环境 | 第42页 |
| 4.3.3 实验评价指标 | 第42-43页 |
| 4.3.4 验证实验 | 第43-47页 |
| 4.3.5 影响因素分析 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 兴趣点推荐系统的设计与实现 | 第49-66页 |
| 5.1 系统需求分析 | 第49-52页 |
| 5.1.1 系统功能需求 | 第49-50页 |
| 5.1.2 系统用例分析 | 第50-51页 |
| 5.1.3 系统活动图 | 第51-52页 |
| 5.2 非功能性需求 | 第52-53页 |
| 5.3 设计与实现 | 第53-64页 |
| 5.3.1 兴趣点推荐系统设计 | 第53-54页 |
| 5.3.2 系统功能交互 | 第54页 |
| 5.3.4 关键模块实现 | 第54-63页 |
| 5.3.5 数据库设计 | 第63-64页 |
| 5.4 本章小结 | 第64-66页 |
| 第六章 系统测试 | 第66-71页 |
| 6.1 测试环境 | 第66页 |
| 6.2 功能测试 | 第66-69页 |
| 6.2.1 数据处理测试 | 第66-68页 |
| 6.2.3 离线计算模块测试 | 第68-69页 |
| 6.2.4 在线推荐模块测试 | 第69页 |
| 6.3 系统非功能性测试 | 第69-70页 |
| 6.3.1 系统安全性分析 | 第69-70页 |
| 6.3.4 并发性能测试 | 第70页 |
| 6.4 本章小节 | 第70-71页 |
| 第七章 总结和展望 | 第71-73页 |
| 7.1 论文工作成果总结 | 第71页 |
| 7.2 后续研究工作展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读学位期间发表的学术论文目录 | 第79页 |
