| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 兴趣点推荐概述 | 第9-10页 |
| 1.3 兴趣点推荐特点 | 第10-12页 |
| 1.4 本文的主要工作和创新点 | 第12页 |
| 1.5 论文的组织安排 | 第12-14页 |
| 第二章 相关技术介绍及问题描述 | 第14-26页 |
| 2.1 技术介绍 | 第14-23页 |
| 2.1.1 传统推荐方法 | 第14-18页 |
| 2.1.2 只利用签到数据的兴趣点推荐 | 第18-19页 |
| 2.1.3 LDA主题模型 | 第19-21页 |
| 2.1.4 GeoMF：融合地理信息到矩阵分解中 | 第21-22页 |
| 2.1.5 TopicMF：融合评论信息到矩阵分解中 | 第22-23页 |
| 2.2 问题描述 | 第23-24页 |
| 2.3 本章小结 | 第24-26页 |
| 第三章 TOPICAL(CTR)-GEOMF模型 | 第26-30页 |
| 3.1 推荐模型 | 第26-27页 |
| 3.2 参数估计 | 第27-29页 |
| 3.3 本章小结 | 第29-30页 |
| 第四章 TOPICAL(HFT)-GEOMF推荐模型 | 第30-34页 |
| 4.1 推荐模型 | 第30-31页 |
| 4.2 参数估计 | 第31-33页 |
| 4.3 本章小结 | 第33-34页 |
| 第五章 兴趣点推荐方法仿真实验与结果分析 | 第34-44页 |
| 5.1 真实公开的数据集 | 第34-35页 |
| 5.2 性能指标 | 第35-36页 |
| 5.3 实验结果和分析 | 第36-43页 |
| 5.3.1 召回率和精确度分析 | 第36-41页 |
| 5.3.2 对于参数K和μ的敏感性分析 | 第41-43页 |
| 5.4 本章小结 | 第43-44页 |
| 第六章 结论与展望 | 第44-46页 |
| 6.1 本文总结 | 第44页 |
| 6.2 存在不足和对未来工作展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 攻读硕士学位期间发表的论文 | 第49-50页 |
| 致谢 | 第50-51页 |