| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.1.1 研究背景 | 第12-14页 |
| 1.1.2 研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 传统的推荐 | 第15页 |
| 1.2.2 基于位置社交网络的推荐 | 第15-17页 |
| 1.2.3 地点推荐的挑战 | 第17-18页 |
| 1.3 研究目标和研究内容 | 第18-19页 |
| 1.4 论文构成摘要 | 第19-20页 |
| 1.5 本章小结 | 第20-22页 |
| 第二章 相关工作综述 | 第22-38页 |
| 2.1 传统的推荐发展 | 第22-26页 |
| 2.1.1 基于用户的协同过滤推荐 | 第23-25页 |
| 2.1.2 基于物品的协同过滤推荐 | 第25-26页 |
| 2.1.3 基于模型的协同过滤推荐 | 第26页 |
| 2.2 LBSN的简介 | 第26-31页 |
| 2.2.1 LBSN的发展 | 第26-27页 |
| 2.2.2 LBSN的结构特征 | 第27-29页 |
| 2.2.3 LBSN推荐系统框架 | 第29-31页 |
| 2.3 基于LBSN的地点推荐方法 | 第31-33页 |
| 2.3.1 基于社交网络的地点推荐 | 第31-32页 |
| 2.3.2 基于位置信息的地点推荐 | 第32-33页 |
| 2.4 其他相关概念 | 第33-37页 |
| 2.4.1 相似度度量方法 | 第33-35页 |
| 2.4.2 地点推荐面临的问题 | 第35-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 个性化地点推荐算法研究 | 第38-44页 |
| 3.1 基于用户的协同过滤推荐算法UBCF | 第38-40页 |
| 3.2 基于位置感知的推荐方法LARS | 第40-41页 |
| 3.3 融合相似性和好友信任的地点推荐算法H-CF | 第41-42页 |
| 3.3.1 F-CF算法 | 第41页 |
| 3.3.2 F-Trust算法 | 第41-42页 |
| 3.3.3 H-CF算法 | 第42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 改进的个性化地点推荐算法的研究 | 第44-56页 |
| 4.1 基于地点的协同过滤推荐PB-CF | 第44-49页 |
| 4.1.1 计算地点签到相似度 | 第44-46页 |
| 4.1.2 计算地点标签相似度 | 第46-48页 |
| 4.1.3 计算地点距离相似度 | 第48页 |
| 4.1.4 基于地点的协同过滤推荐算法PB-CF | 第48-49页 |
| 4.1.5 PB-CF算法框架 | 第49页 |
| 4.2 融合社交关系和位置影响的地点推荐算法SL-CF | 第49-55页 |
| 4.2.1 计算相似用户 | 第50-51页 |
| 4.2.2 计算信任用户 | 第51-52页 |
| 4.2.3 融合生成邻居用户 | 第52-53页 |
| 4.2.4 地理位置的影响 | 第53-54页 |
| 4.2.5 SL-CF算法框架 | 第54-55页 |
| 4.3 本章小结 | 第55-56页 |
| 第五章 实验结果与分析 | 第56-66页 |
| 5.1 实验设定与评价标准 | 第56-57页 |
| 5.1.1 实验环境介绍 | 第56页 |
| 5.1.2 评价标准 | 第56-57页 |
| 5.2 PB-CF算法的实验设计与结果分析 | 第57-59页 |
| 5.2.1 实验数据集 | 第57页 |
| 5.2.2 实验比较的算法 | 第57页 |
| 5.2.3 试验结果与分析 | 第57-59页 |
| 5.3 SL-CF算法的实验设计与结果分析 | 第59-65页 |
| 5.3.1 实验数据集及预处理 | 第59-60页 |
| 5.3.2 实验比较的算法 | 第60页 |
| 5.3.3 实验结果与分析 | 第60-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-76页 |
| 攻读学位期间发表的学术论文目录 | 第76页 |