移动定位社交服务中相似用户发现方法的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 存在的问题 | 第14页 |
| 1.4 研究内容 | 第14-15页 |
| 1.5 论文的组织 | 第15-16页 |
| 第2章 基于LBSNS个性化推荐相关技术 | 第16-27页 |
| 2.1 定位技术 | 第16-19页 |
| 2.1.1 定位原理 | 第16-17页 |
| 2.1.2 位置的表示 | 第17-18页 |
| 2.1.3 常用的定位技术 | 第18-19页 |
| 2.2 基于LBSNS相关推荐算法 | 第19-22页 |
| 2.2.1 基于内容推荐算法 | 第20页 |
| 2.2.2 基于协同过滤推荐算法 | 第20-21页 |
| 2.2.3 基于组合推荐算法 | 第21-22页 |
| 2.3 图聚类 | 第22-26页 |
| 2.3.1 图匹配 | 第22-24页 |
| 2.3.2 容错方法和编辑距离 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 移动对象停留点提取算法 | 第27-40页 |
| 3.1 问题的提出 | 第27-28页 |
| 3.2 停留点建模 | 第28-32页 |
| 3.2.1 停留点的初始化 | 第28-30页 |
| 3.2.2 停留点的提纯 | 第30-32页 |
| 3.3 停留点数据模型提取算法 | 第32-34页 |
| 3.4 算法及实验结果分析 | 第34-39页 |
| 3.4.1 数据收集装置和实验移动数据的描述 | 第34-36页 |
| 3.4.2 参数的选择 | 第36-38页 |
| 3.4.3 停留点提取效果 | 第38-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第4章 基于LBSNS用户聚类的推荐算法 | 第40-53页 |
| 4.1 GTUCR算法的基本框架 | 第40-42页 |
| 4.2 聚类推荐算法 | 第42-47页 |
| 4.2.1 问题建模 | 第42页 |
| 4.2.2 核心用户聚类 | 第42-46页 |
| 4.2.3 整体用户聚类 | 第46-47页 |
| 4.2.4 推荐阶段 | 第47页 |
| 4.3 实验分析 | 第47-51页 |
| 4.3.1 实验数据集 | 第47-48页 |
| 4.3.2 实验评价度量 | 第48-49页 |
| 4.3.3 实验结果及分析 | 第49-51页 |
| 4.4 本章小结 | 第51-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文和取得的研究成果 | 第59-60页 |
| 致谢 | 第60页 |
