| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国外研究现状 | 第12-14页 |
| 1.3 研究的主要内容和结构 | 第14-18页 |
| 1.3.1 研究主要内容 | 第14-16页 |
| 1.3.2 本文结构简述 | 第16-18页 |
| 第2章 旅游景点和路线数据的获取 | 第18-25页 |
| 2.1 网络数据爬虫的框架结构 | 第18-21页 |
| 2.1.1 节点结构 | 第18-20页 |
| 2.1.3 爬虫的基本流程 | 第20-21页 |
| 2.2 爬虫模块的设计与关键技术 | 第21-23页 |
| 2.2.1 爬虫模块设计 | 第21-22页 |
| 2.2.2 爬虫应用的关键技术 | 第22-23页 |
| 2.3 本章小结 | 第23-25页 |
| 第3章 个性化推荐模型与算法 | 第25-53页 |
| 3.1 特征提取与数据聚类 | 第25-28页 |
| 3.1.1 旅游景点和路线特征的提取 | 第25-26页 |
| 3.1.2 用户兴趣特征的提取 | 第26-27页 |
| 3.1.3 旅游景点和路线及用户的特征聚类 | 第27-28页 |
| 3.2 用户兴趣特征的获取与建模 | 第28-31页 |
| 3.2.1 用户当前兴趣点获取 | 第28-29页 |
| 3.2.2 用户兴趣特征变化的度量 | 第29-30页 |
| 3.2.3 用户兴趣特征模型的建立 | 第30-31页 |
| 3.3 旅游路线流行度和游客活跃度 | 第31-32页 |
| 3.4 基于旅游领域协同过滤的推荐 | 第32-41页 |
| 3.4.1 基于用户兴趣特征的协同过滤 | 第33-37页 |
| 3.4.2 基于旅游路线的协同过滤 | 第37-38页 |
| 3.4.3 基于旅游路线流行度和用户兴趣特征变化的协同过滤 | 第38-41页 |
| 3.5 基于用户兴趣特征-景点-路线的顶点约束推荐 | 第41-46页 |
| 3.5.1 数据稀疏及特征匹配趋零问题的提出 | 第41页 |
| 3.5.2 基于用户兴趣特征-景点-旅游路线的顶点约束推荐 | 第41-46页 |
| 3.6 实验设计与结果分析 | 第46-52页 |
| 3.6.1 实验分析流程 | 第46-47页 |
| 3.6.2 实验评估指标 | 第47-49页 |
| 3.6.3 实验结果分析 | 第49-52页 |
| 3.7 本章小结 | 第52-53页 |
| 第4章 推荐系统的个性化自我学习 | 第53-59页 |
| 4.1 判定计算与个性化的参数调整 | 第53-56页 |
| 4.1.1 数据稀疏及特征匹配趋零的判定计算 | 第53-55页 |
| 4.1.2 个性化的参数调整 | 第55-56页 |
| 4.2 用户动态特征库的建立 | 第56-58页 |
| 4.2.1 用户兴趣特征的时序分析 | 第57页 |
| 4.2.2 用户动态特征库的设计与实现 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 总结和展望 | 第59-61页 |
| 5.1 总结 | 第59-60页 |
| 5.2 展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 研究生期间工作成果 | 第65页 |
