| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 位置推荐 | 第11-13页 |
| 1.2.2 用户推荐 | 第13-14页 |
| 1.2.3 活动推荐和社交媒体推荐 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 相关技术介绍 | 第18-31页 |
| 2.1 相关概念 | 第18-23页 |
| 2.1.1 名词解释 | 第19-20页 |
| 2.1.2 相似度度量方法 | 第20-21页 |
| 2.1.3 分层Pitman-Yor模型 | 第21-22页 |
| 2.1.4 空间索引：R树 | 第22-23页 |
| 2.2 经典兴趣点推荐算法 | 第23-28页 |
| 2.2.1 基于用户的协同过滤推荐算法 | 第24-25页 |
| 2.2.2 基于好友的协同过滤推荐算法 | 第25-26页 |
| 2.2.3 基于用户偏好的推荐算法 | 第26-28页 |
| 2.3 空间查询方法 | 第28-30页 |
| 2.3.1 基于Top-k的空间查询 | 第28-29页 |
| 2.3.2 基于Reverse Top-k的空间查询 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于用户行为的兴趣点推荐 | 第31-47页 |
| 3.1 基于时间的用户行为分析 | 第31-34页 |
| 3.2 基于历史的用户行为分析 | 第34-37页 |
| 3.3 基于空间的用户行为分析 | 第37-40页 |
| 3.3.1 空间度量的好友关系对用户行为的影响分析 | 第38-39页 |
| 3.3.2 空间距离对用户行为的影响分析 | 第39-40页 |
| 3.4 多维度融合的兴趣点推荐方法 | 第40-41页 |
| 3.5 实验结果与分析 | 第41-45页 |
| 3.5.1 实验设置 | 第42-43页 |
| 3.5.2 实验结果分析 | 第43-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第四章 基于空间-偏好反向kRanks的用户推荐 | 第47-61页 |
| 4.1 用户偏好模型 | 第47-51页 |
| 4.1.1 基于用户社交和历史行为的偏好挖掘 | 第48-50页 |
| 4.1.2 用户空间距离敏感度分析 | 第50-51页 |
| 4.2 空间-偏好反向kRanks查询方法及其改进 | 第51-56页 |
| 4.2.1 空间-偏好反向kRanks查询方法 | 第52-53页 |
| 4.2.2 基于树的剪枝算法 | 第53-56页 |
| 4.3 推荐框架 | 第56-57页 |
| 4.4 实验结果与分析 | 第57-60页 |
| 4.4.1 实验设置 | 第57-58页 |
| 4.4.2 实验结果分析 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 攻读硕士学位期间公开发表的论文及参与的科研项目 | 第70-71页 |
| 致谢 | 第71-72页 |
