LBSN中基于链路预测的位置推荐算法研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-20页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-18页 |
| 1.2.1 基于位置的社会网络 | 第13-15页 |
| 1.2.2 LBSN下的位置推荐 | 第15-17页 |
| 1.2.3 目前存在的问题 | 第17-18页 |
| 1.3 本文的研究内容 | 第18页 |
| 1.4 本文的组织结构 | 第18-20页 |
| 2 相关理论基础 | 第20-32页 |
| 2.1 协同过滤推荐算法 | 第20-25页 |
| 2.1.1 基于内存的协同过滤 | 第20-23页 |
| 2.1.2 基于模型的协同过滤 | 第23-25页 |
| 2.2 基于链路预测的推荐算法 | 第25-28页 |
| 2.2.1 链路预测概念及算法分类 | 第25-26页 |
| 2.2.2 基于随机游走的链路预测推荐算法 | 第26-28页 |
| 2.3 并行图计算框架 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 3 融合时空多维信息的LBSN图模型构建 | 第32-43页 |
| 3.1 LBSN数据签到行为分析 | 第32-39页 |
| 3.1.1 社交关系因素分析 | 第33-35页 |
| 3.1.2 时间因素分析 | 第35-36页 |
| 3.1.3 空间因素分析 | 第36-39页 |
| 3.2 图模型的构建 | 第39-41页 |
| 3.3 节点关联性度量 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于LBSN图模型的高效链路预测位置推荐算法 | 第43-54页 |
| 4.1 用户节点集的选取 | 第43-44页 |
| 4.2 带权的位置推荐算法WPPR | 第44-47页 |
| 4.3 算法的并行化设计 | 第47-48页 |
| 4.4 实验及结果分析 | 第48-53页 |
| 4.4.1 实验环境 | 第48页 |
| 4.4.2 数据集处理与划分 | 第48-49页 |
| 4.4.3 实验评价指标 | 第49-50页 |
| 4.4.4 实验结果及分析 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 位置推荐原型系统 | 第54-59页 |
| 5.1 系统架构设计 | 第54-55页 |
| 5.2 原型系统的设计与实现 | 第55-58页 |
| 5.2.1 开发环境 | 第55页 |
| 5.2.2 数据库表结构设计 | 第55-56页 |
| 5.2.3 位置推荐系统 | 第56-58页 |
| 5.3 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 研究展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第64-66页 |
| 学位论文数据集 | 第66页 |
