| 摘要 | 第5-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第19-33页 |
| 1.1 研究背景及意义 | 第19-20页 |
| 1.2 研究难点与挑战 | 第20-23页 |
| 1.3 研究现状与相关工作 | 第23-27页 |
| 1.3.1 旅游信息检索和推荐系统简介 | 第23-25页 |
| 1.3.2 基于数据挖掘的旅游信息重排序 | 第25-26页 |
| 1.3.3 基于数据挖掘的旅游信息推荐 | 第26-27页 |
| 1.4 主要研究内容与论文创新点 | 第27-33页 |
| 第二章 基于混合特征图模型的图像搜索重排序 | 第33-45页 |
| 2.1 引言 | 第33-34页 |
| 2.2 基于混合特征图模型的图像搜索重排序方法 | 第34-36页 |
| 2.3 图像特征融合与基于图模型的重排序 | 第36-40页 |
| 2.3.1 图像特征融合 | 第36-38页 |
| 2.3.2 基于图模型的重排序 | 第38-40页 |
| 2.4 实验结果与分析 | 第40-43页 |
| 2.4.1 数据库介绍 | 第40页 |
| 2.4.2 评估准则 | 第40-41页 |
| 2.4.3 结果与分析 | 第41-43页 |
| 2.5 本章小结 | 第43-45页 |
| 第三章 基于用户操作行为检测的相似视频溯源 | 第45-63页 |
| 3.1 引言 | 第45-48页 |
| 3.2 基于用户操作行为检测的相似视频溯源方法 | 第48-50页 |
| 3.3 相似视频的父子关系挖掘与溯源图构建 | 第50-56页 |
| 3.3.1 相似视频的用户操作行为检测 | 第51-54页 |
| 3.3.2 相似视频对的父子关系判定 | 第54-55页 |
| 3.3.3 相似视频溯源图的构建 | 第55-56页 |
| 3.4 实验结果与分析 | 第56-61页 |
| 3.4.1 数据库介绍 | 第56页 |
| 3.4.2 评价准则 | 第56-58页 |
| 3.4.3 结果与分析 | 第58-61页 |
| 3.5 本章小结 | 第61-63页 |
| 第四章 基于异质信息融合的旅游景点重排序 | 第63-81页 |
| 4.1 引言 | 第63-64页 |
| 4.2 基于异质信息融合的旅游景点重排序方法 | 第64-66页 |
| 4.3 异质信息融合与景点重排序 | 第66-69页 |
| 4.3.1 异质信息挖掘与信息融合 | 第66-67页 |
| 4.3.2 景点重排序 | 第67-69页 |
| 4.4 实验结果与分析 | 第69-80页 |
| 4.4.1 数据库设计 | 第69-71页 |
| 4.4.2 评价准则 | 第71页 |
| 4.4.3 结果与分析 | 第71-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第五章 基于集体智慧的旅游景点个性化推荐 | 第81-97页 |
| 5.1 引言 | 第81-82页 |
| 5.2 基于集体智慧的旅游景点个性化推荐方法 | 第82-84页 |
| 5.3 集体智慧挖掘与个性化景点推荐 | 第84-89页 |
| 5.3.1 集体智慧挖掘 | 第84-86页 |
| 5.3.2 个性化景点相似模型 | 第86-88页 |
| 5.3.3 情景上下文推荐排序 | 第88-89页 |
| 5.4 实验结果与分析 | 第89-94页 |
| 5.4.1 精确度：个性化景点相似模型的伪相关样本数据验证 | 第89-90页 |
| 5.4.2 惊喜度：真实数据认证 | 第90-93页 |
| 5.4.3 计算效率 | 第93-94页 |
| 5.4.4 新鲜度讨论 | 第94页 |
| 5.4.5 视觉示例 | 第94页 |
| 5.5 本章小结 | 第94-97页 |
| 第六章 总结与展望 | 第97-101页 |
| 6.1 工作总结 | 第97-99页 |
| 6.2 未来展望 | 第99-101页 |
| 参考文献 | 第101-111页 |
| 致谢 | 第111-113页 |
| 作者简介 | 第113-115页 |