| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-13页 |
| ·课题研究背景 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·课题的研究内容 | 第11-12页 |
| ·本文的组织结构 | 第12-13页 |
| 第二章 基于位置服务（LBS）技术 | 第13-19页 |
| ·定位技术 | 第13-18页 |
| ·TA 定位技术 | 第13页 |
| ·TOA 定位技术 | 第13-14页 |
| ·TDOA 定位技术 | 第14-15页 |
| ·E-OTD 定位技术 | 第15页 |
| ·AOA 定位技术 | 第15-16页 |
| ·GPS 定位技术 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 个性化推荐算法 | 第19-29页 |
| ·基于关联规则的推荐算法 | 第19页 |
| ·基于内容的推荐算法 | 第19-20页 |
| ·基于协同过滤的推荐算法 | 第20-27页 |
| ·协同过滤推荐算法概述 | 第20-21页 |
| ·相似性 | 第21-23页 |
| ·基于用户（User-based）协同过滤推荐算法 | 第23-25页 |
| ·基于项目（Item-based）协同过滤推荐算法 | 第25-27页 |
| ·协同过滤推荐算法存在的问题 | 第27页 |
| ·组合推荐算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 基于位置服务的个性化好友推荐算法设计 | 第29-42页 |
| ·用户位置获取 | 第29-32页 |
| ·用户聚类及距离计算 | 第32-35页 |
| ·计算用户间的相似性 | 第35-37页 |
| ·产生推荐 | 第37-39页 |
| ·本文推荐算法框架 | 第39-40页 |
| ·本文推荐算法的特点 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 实验与结果分析 | 第42-54页 |
| ·实验数据 | 第42页 |
| ·实验环境 | 第42页 |
| ·实验过程 | 第42-48页 |
| ·用户聚类 | 第44-45页 |
| ·计算用户关系相似性 | 第45页 |
| ·计算用户兴趣相似性 | 第45-46页 |
| ·计算用户距离相似性 | 第46-47页 |
| ·计算用户综合相似性 | 第47页 |
| ·产生基于内容的推荐集 | 第47页 |
| ·产生基于协同过滤的推荐集 | 第47-48页 |
| ·产生综合推荐集 | 第48页 |
| ·实验评价标准 | 第48-50页 |
| ·实验结果及分析 | 第50-53页 |
| ·实验 | 第50-53页 |
| ·本章小结 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59页 |