| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-14页 |
| 1.2.1 兴趣点推荐算法研究现状 | 第11-13页 |
| 1.2.2 面临的挑战 | 第13-14页 |
| 1.3 研究内容 | 第14页 |
| 1.4 组织结构 | 第14-17页 |
| 第2章 基于相容类的预填补算法 | 第17-28页 |
| 2.1 数据稀疏性问题的预处理方法 | 第17-18页 |
| 2.2 基于相容类的预填补算法 | 第18-21页 |
| 2.2.1 粗糙集信息系统和不可分辨关系 | 第18页 |
| 2.2.2 基于相容类的预填补算法PACC | 第18-19页 |
| 2.2.3 PACC算法实例 | 第19页 |
| 2.2.4 算法流程与时间复杂度分析 | 第19-21页 |
| 2.3 协同过滤推荐算法 | 第21-24页 |
| 2.3.1 用户相似度的计算 | 第22-23页 |
| 2.3.2 推荐示例 | 第23-24页 |
| 2.4 PACC算法实验 | 第24-27页 |
| 2.4.1 数据集 | 第24-25页 |
| 2.4.2 评价指标 | 第25页 |
| 2.4.3 实验与分析 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于社团聚类的兴趣偏好建模算法 | 第28-40页 |
| 3.1 社团结构以及社团发现算法 | 第28-30页 |
| 3.2 基于用户偏好聚类的社团发现算法CDPC | 第30-35页 |
| 3.2.1 用户兴趣偏好建模 | 第31-32页 |
| 3.2.2 CDPC算法流程 | 第32-33页 |
| 3.2.3 时间复杂度分析与伪代码描述 | 第33-35页 |
| 3.3 基于社团聚类的兴趣偏好建模算法CDCF | 第35-37页 |
| 3.3.1 CDCF算法的提出 | 第35页 |
| 3.3.2 CDCF算法流程 | 第35-37页 |
| 3.4 CDCF算法实验 | 第37-40页 |
| 3.4.1 数据集 | 第37-38页 |
| 3.4.2 实验设计 | 第38页 |
| 3.4.3 实验结果分析 | 第38-40页 |
| 3.5 本章小结 | 第40页 |
| 第4章 社团聚类与多源数据融合建模的兴趣点推荐算法 | 第40-55页 |
| 4.1 SoGeoSco模型的提出 | 第41-42页 |
| 4.2 SoGeoSco建模过程 | 第42-47页 |
| 4.2.1 用户与兴趣点间的距离建模 | 第42-46页 |
| 4.2.2 用户对兴趣点的兴趣建模 | 第46-47页 |
| 4.3 社团聚类与多源数据融合建模的SoGeoSco模型 | 第47页 |
| 4.4 SoGeoSco模型对面临问题的解决方案 | 第47-49页 |
| 4.4.1 解决数据稀疏性问题 | 第47-48页 |
| 4.4.2 解决推荐实时性问题 | 第48页 |
| 4.4.3 解决数据多源异构性以及模型鲁棒性问题 | 第48-49页 |
| 4.5 SoGeoSco模型的实验设计与结果分析 | 第49-54页 |
| 4.5.1 数据集 | 第49页 |
| 4.5.2 实验环境及主流LBSN兴趣点推荐模型 | 第49-50页 |
| 4.5.3 评价指标 | 第50页 |
| 4.5.4 实验结果与分析 | 第50-54页 |
| 4.6 本章小结 | 第54-55页 |
| 第5章 总结与展望 | 第55-57页 |
| 5.1 工作总结 | 第55-56页 |
| 5.2 工作展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 攻读学位期间获得与学位论文相关的科研成果目录 | 第62页 |