| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.3 本文主要工作 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第2章 相关理论及技术介绍 | 第19-27页 |
| 2.1 基于用户的协同过滤推荐算法 | 第19-21页 |
| 2.2 基于项目的协同过滤推荐算法 | 第21页 |
| 2.3 PageRank算法 | 第21-24页 |
| 2.3.1 PageRank算法简介 | 第21-23页 |
| 2.3.2 PageRank算法的相关公式 | 第23页 |
| 2.3.3 PageRank算法的优缺点 | 第23-24页 |
| 2.4 个性化PageRank算法 | 第24-25页 |
| 2.5 Bookmark-coloring Algorithm | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于个性化PageRank算法的用户模型 | 第27-34页 |
| 3.1 用户之间的相似性计算 | 第27-28页 |
| 3.2 基于个性化PageRank算法的用户模型 | 第28-32页 |
| 3.3 本章小结 | 第32-34页 |
| 第4章 基于幂律分布和PageRank算法的地理模型 | 第34-40页 |
| 4.1 用户签到的兴趣点距离分布 | 第34-36页 |
| 4.2 PageRank算法建模兴趣点的权威性 | 第36-38页 |
| 4.3 本章小结 | 第38-40页 |
| 第5章 基于用户模型和地理模型的混合推荐算法 | 第40-49页 |
| 5.1 算法描述 | 第40-41页 |
| 5.2 实验设计和结果分析 | 第41-48页 |
| 5.2.1 数据集描述 | 第41-42页 |
| 5.2.2 评价指标 | 第42页 |
| 5.2.3 实验设置 | 第42-47页 |
| 5.2.3.1 用户模型实验结果 | 第42-44页 |
| 5.2.3.2 地理模型实验结果 | 第44-45页 |
| 5.2.3.3 混合推荐模型实验结果 | 第45-47页 |
| 5.2.4 实验结果分析 | 第47-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-51页 |
| 6.1 本文总结 | 第49-50页 |
| 6.2 未来工作展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |