首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--计算机网络论文--一般性问题论文

含地理位置信息的社交媒体挖掘及应用

摘要第1-7页
ABSTRACT第7-9页
目录第9-12页
插图目录第12-14页
表格目录第14-15页
第1章 绪论第15-29页
   ·背景与研究意义第15-16页
   ·国内外研究现状第16-26页
     ·媒体的管理与展示第17-19页
     ·媒体地理位置的推断第19-21页
     ·兴趣点挖掘与旅游推荐第21-23页
     ·知识发现第23-25页
     ·研究现状不足之处分析第25-26页
   ·论文的研究内容与创新点第26-27页
   ·论文的结构安排第27-29页
第2章 含地理位置信息的社交媒体的特性及科学问题第29-35页
   ·异构的地理信息表达和组成方式第29-30页
   ·移动性、时效性以及交互性第30-32页
   ·包含空时信息和社交信息的多模态媒体内容第32-33页
   ·科学问题第33-35页
第3章 异构地理信息社交媒体融合挖掘算法第35-57页
   ·引言第35-36页
   ·问题的定义和相关工作第36-39页
     ·问题的定义第36-37页
     ·相关工作第37-39页
   ·基于异构社交媒体融合的挖掘和排序算法第39-46页
     ·算法流程概述第39-40页
     ·融合结构化数据和非结构化数据的特色性评分算法第40-43页
     ·融合特色性评分和用户评分的重排序算法第43-45页
     ·推荐系统第45-46页
   ·实验第46-55页
     ·实验数据第46-48页
     ·菜品特色性评分算法的评价第48-51页
     ·餐厅重排序算法评价第51-55页
   ·本章小结第55-57页
第4章 面向移动应用的高效在线地点推荐算法第57-85页
   ·引言第57-59页
     ·移动推荐的研究现状第57-59页
     ·在线机器学习的定义第59页
   ·在线地点推荐问题的定义第59-60页
   ·可变记忆马尔科夫模型简介第60-64页
     ·可变记忆马尔科夫模型的概念第61-62页
     ·概率后缀树算法第62-64页
   ·基于前缀树的可变记忆马尔科夫模型第64-71页
     ·基于频繁序列挖掘的计数第64-65页
     ·基于前缀树的可变长上下文模型第65-70页
     ·基于地点距离和流行度的平滑模型第70-71页
   ·实验第71-83页
     ·实验数据第71-73页
     ·对比算法和评价指标第73-75页
     ·实验结果和分析第75-83页
   ·本章小结第83-85页
第5章 融合多种上下文信息的个性化地点推荐算法第85-107页
   ·引言第85-87页
   ·个性化地点推荐问题的定义第87-88页
   ·融合多上下文信息的个性化推荐算法第88-96页
     ·算法流程概述第88-89页
     ·上下文信息的挖掘第89-93页
     ·地点与用户兴趣的匹配度计算第93-95页
     ·基于排序学习的个性化推荐算法第95-96页
   ·实验第96-105页
     ·实验数据集第97-98页
     ·对比算法和评价标准第98-100页
     ·实验结果和分析第100-105页
   ·本章小结第105-107页
第6章 总结与展望第107-111页
   ·工作总结第107-108页
   ·未来展望第108-111页
参考文献第111-121页
致谢第121-123页
在读期间发表的学术论文与取得的其他研究成果第123-124页

论文共124页,点击 下载论文
上一篇:海量视频节目的检索、推荐与反馈学习
下一篇:有限通信能力下的网络控制系统的分析与综合