基于LBS和社会网络标签的个性化推荐研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 目录 | 第7-10页 |
| Contents | 第10-13页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 研究背景 | 第13-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 研究现状与面临的挑战 | 第15-18页 |
| 1.2.1 研究现状 | 第15-17页 |
| 1.2.2 面临的挑战 | 第17-18页 |
| 1.3 研究内容及主要工作 | 第18-19页 |
| 1.4 论文结构安排 | 第19-20页 |
| 第二章 个性化推荐及其相关技术 | 第20-30页 |
| 2.1 个性化推荐概述 | 第20-21页 |
| 2.2 个性化推荐的结构 | 第21-22页 |
| 2.3 个性化推荐算法 | 第22-29页 |
| 2.3.1 基于内容的推荐算法 | 第22-23页 |
| 2.3.2 协同过滤推荐算法 | 第23-27页 |
| 2.3.3 混合推荐 | 第27-28页 |
| 2.3.4 算法对比 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于LBS的推荐和基于标签的推荐 | 第30-46页 |
| 3.1 基于LBS的个性化推荐 | 第30-37页 |
| 3.1.1 用户位置信息获取 | 第30-32页 |
| 3.1.2 用户聚类及距离计算 | 第32-33页 |
| 3.1.3 用户间的相似度计算 | 第33-35页 |
| 3.1.4 产生推荐 | 第35-37页 |
| 3.2 基于标签的个性化推荐 | 第37-44页 |
| 3.2.1 社会网络和标签 | 第37-40页 |
| 3.2.2 网络标签提取 | 第40-41页 |
| 3.2.3 基于标签的用户建模 | 第41-42页 |
| 3.2.4 基于标签的推荐算法 | 第42-44页 |
| 3.3 两种推荐方法总结 | 第44-45页 |
| 3.3.1 两种推荐方法的特征 | 第44-45页 |
| 3.3.2 两种推荐方法的缺陷 | 第45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 基于LBS和社会网络标签的个性化推荐 | 第46-55页 |
| 4.1 基于LBS和社会网络标签的推荐模型描述 | 第46-47页 |
| 4.2 用户位置信息获取及计算 | 第47-49页 |
| 4.3 双层网络的融合 | 第49-52页 |
| 4.4 相似度计算 | 第52-53页 |
| 4.4.1 双层网络相似度计算 | 第52页 |
| 4.4.2 用户位置信息相似度计算 | 第52-53页 |
| 4.4.3 综合相似度计算 | 第53页 |
| 4.5 产生推荐 | 第53页 |
| 4.6 本文推荐方法的特点 | 第53-54页 |
| 4.7 本章小结 | 第54-55页 |
| 第五章 实验设计和结果分析 | 第55-60页 |
| 5.1 实验环境 | 第55页 |
| 5.2 实验数据集 | 第55-56页 |
| 5.3 实验评价指标 | 第56-57页 |
| 5.4 实验结果和分析 | 第57-59页 |
| 5.5 本章小结 | 第59-60页 |
| 工作总结和展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |
