| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 主要研究内容 | 第13-14页 |
| 1.3 论文的组织架构 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 第二章 推荐系统及相关技术 | 第16-30页 |
| 2.1 推荐系统的相关背景知识 | 第16-17页 |
| 2.2 推荐系统中的协同过滤算法 | 第17-18页 |
| 2.3 基于地理位置社交网络的POI推荐 | 第18页 |
| 2.4 POI推荐的影响因素 | 第18-24页 |
| 2.4.1 地理位置的影响 | 第19-21页 |
| 2.4.2 社会因素的影响 | 第21-22页 |
| 2.4.3 时间因素的影响 | 第22-23页 |
| 2.4.4 内容因素的影响 | 第23-24页 |
| 2.5 POI推荐算法 | 第24-27页 |
| 2.5.1 融合模型推荐算法 | 第24-25页 |
| 2.5.2 联合模型推荐算法 | 第25-27页 |
| 2.6 评价指标 | 第27-28页 |
| 2.7 本章小结 | 第28-30页 |
| 第三章 数据挖掘中的聚类算法 | 第30-40页 |
| 3.1 划分聚类 | 第30-33页 |
| 3.1.1 K-means聚类算法 | 第30-32页 |
| 3.1.2 K-medoid聚类算法 | 第32页 |
| 3.1.3 模糊C聚类算法 | 第32-33页 |
| 3.2 基于分布的聚类方法 | 第33-34页 |
| 3.3 层次聚类 | 第34-35页 |
| 3.4 基于密度的聚类 | 第35-36页 |
| 3.5 基于网格的聚类技术 | 第36-37页 |
| 3.6 最新提出的聚类算法 | 第37-38页 |
| 3.7 本章小结 | 第38-40页 |
| 第四章 基于K-means聚类的区域推荐 | 第40-44页 |
| 4.1 问题描述 | 第40页 |
| 4.2 基于K-means的区域聚类 | 第40-41页 |
| 4.3 基于K-means的区域聚类的POI推荐 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 基于局部热点的区域聚类推荐 | 第44-52页 |
| 5.1 基于局部热点的区域聚类 | 第44-47页 |
| 5.1.1 数据预处理 | 第44-45页 |
| 5.1.2 区域的中心点 | 第45-47页 |
| 5.1.3 其余点的归类 | 第47页 |
| 5.1.4 参数的学习 | 第47页 |
| 5.2 基于局部热点的区域推荐算法 | 第47-50页 |
| 5.3 本章小结 | 第50-52页 |
| 第六章 实验结果分析 | 第52-60页 |
| 6.1 实验环境 | 第52页 |
| 6.1.1 硬件环境 | 第52页 |
| 6.1.2 软件环境 | 第52页 |
| 6.2 实验准备 | 第52页 |
| 6.3 评价指标 | 第52-53页 |
| 6.4 实验结果 | 第53-58页 |
| 6.4.1 聚类区域的效果 | 第53-54页 |
| 6.4.2 KM与NM的比较 | 第54-56页 |
| 6.4.3 探究地理因素和社会因素对区域推荐的影响 | 第56-58页 |
| 6.5 本章小结 | 第58-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 7.1 本文的主要成果 | 第60页 |
| 7.2 下一步的研究工作 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68-70页 |
| 攻硕期间取得的研究成果 | 第70页 |