基于数据挖掘的景区个性化推荐技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 数据挖掘 | 第9-10页 |
| 1.2.2 聚类算法 | 第10-11页 |
| 1.2.3 个性化推荐算法 | 第11-12页 |
| 1.2.4 微博签到 | 第12页 |
| 1.2.5 景区个性化推荐 | 第12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-15页 |
| 1.5 本章小结 | 第15-16页 |
| 第二章 相关技术及理论 | 第16-28页 |
| 2.1 数据挖掘技术 | 第16-20页 |
| 2.1.1 数据挖掘的定义 | 第16-17页 |
| 2.1.2 数据挖掘的基本过程 | 第17-18页 |
| 2.1.3 数据挖掘的基本任务 | 第18-19页 |
| 2.1.4 数据挖掘的方法 | 第19-20页 |
| 2.2 聚类算法 | 第20-23页 |
| 2.2.1 聚类算法的定义 | 第20页 |
| 2.2.2 聚类算法的分类 | 第20-23页 |
| 2.3 个性化推荐技术 | 第23-27页 |
| 2.3.1 个性化推荐的定义 | 第23页 |
| 2.3.2 个性化推荐的基本过程 | 第23-24页 |
| 2.3.3 个性化推荐的方法 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 景区热点区域挖掘 | 第28-43页 |
| 3.1 K-MEANS聚类算法 | 第28-30页 |
| 3.1.1 K-Means聚类算法的基本思想 | 第28页 |
| 3.1.2 K-Means聚类算法的优点 | 第28页 |
| 3.1.3 K-Means聚类算法的基本流程 | 第28-30页 |
| 3.2 热门景点区域集 | 第30-42页 |
| 3.2.1 数据准备 | 第30-35页 |
| 3.2.2 聚类实验结果及分析 | 第35-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 景区个性化推荐 | 第43-57页 |
| 4.1 TOP-N推荐算法 | 第43-44页 |
| 4.1.1 Top-N推荐算法的基本思想 | 第43页 |
| 4.1.2 Top-N推荐算法的优点 | 第43页 |
| 4.1.3 Top-N推荐算法的基本流程 | 第43-44页 |
| 4.2 个性化推荐 | 第44-52页 |
| 4.2.1 景区POI分数 | 第44页 |
| 4.2.2 调查问卷 | 第44-46页 |
| 4.2.3 推荐过程 | 第46-52页 |
| 4.3 推荐结果及分析 | 第52-55页 |
| 4.3.1 评价指标 | 第52-53页 |
| 4.3.2 推荐结果及分析 | 第53-55页 |
| 4.4 本章小结 | 第55-57页 |
| 第五章 总结与展望 | 第57-58页 |
| 5.1 研究总结 | 第57页 |
| 5.2 工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 在读期间公开发表的论文 | 第61-62页 |
| 致谢 | 第62页 |
