| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 专用术语注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 国内外研究现状 | 第12-14页 |
| 1.2 本文研究的背景与内容 | 第14-18页 |
| 1.2.1 本文研究的背景 | 第14-16页 |
| 1.2.2 本文研究的意义与内容 | 第16-18页 |
| 1.3 论文组织结构 | 第18-20页 |
| 第二章 推荐系统原理和应用 | 第20-32页 |
| 2.1 经典推荐系统 | 第20-25页 |
| 2.1.1 基于内容的推荐算法 | 第20-21页 |
| 2.1.2 基于内存的协同过滤算法 | 第21-23页 |
| 2.1.3 基于模型的协同过滤算法 | 第23-25页 |
| 2.2 多源信息联合模型CoSoLoRec | 第25-31页 |
| 2.2.1 基于社交关系信息建模SoRec | 第25-26页 |
| 2.2.2 基于地理位置信息建模KDE | 第26-28页 |
| 2.2.3 概率隐因子联合模型 | 第28-29页 |
| 2.2.4 模型的学习与推理 | 第29-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第三章 基于生活方式属性的社交关系信息建模 | 第32-39页 |
| 3.1 本文用于优化社交关系信息建模的新相似度模型FLS | 第32-36页 |
| 3.1.1 基于皮尔森系数的相似度模型 | 第32-33页 |
| 3.1.2 基于欧式向量空间的相似度模型 | 第33-34页 |
| 3.1.3 生活方式向量 | 第34-35页 |
| 3.1.4 基于生活方式的新相似度模型 | 第35-36页 |
| 3.2 仿真结果与讨论 | 第36-38页 |
| 3.3 本章小结 | 第38-39页 |
| 第四章 基于用户访问位置对不同位置时间偏好建模 | 第39-51页 |
| 4.1 POI推荐偏好相关技术 | 第39-40页 |
| 4.2 对不同位置时间偏好建模 | 第40-45页 |
| 4.2.1 UPOST概述 | 第40-41页 |
| 4.2.2 时分LDA模型(TDLDA) | 第41-43页 |
| 4.2.3 新的时间自适应概述(TATD) | 第43-45页 |
| 4.2.4 位置偏好 | 第45页 |
| 4.3 仿真结果与讨论 | 第45-49页 |
| 4.4 本章小结 | 第49-51页 |
| 第五章 仿真结果与总结展望 | 第51-55页 |
| 5.1 仿真结果 | 第51-52页 |
| 5.2 本文工作总结 | 第52-54页 |
| 5.3 未来研究展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录1 攻读硕士学位期间申请的专利 | 第58-59页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第59-60页 |
| 致谢 | 第60-61页 |