| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-12页 |
| 1.3 主要工作和研究内容 | 第12-13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 基于位置信息改进的餐厅推荐算法 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 相关工作 | 第15-16页 |
| 2.3 基于位置信息改进的餐厅推荐算法设计 | 第16-22页 |
| 2.3.1 基于核密度估计的位置信息模型 | 第16-18页 |
| 2.3.2 基于地理影响和用户偏好特征的协同过滤推荐模型 | 第18-20页 |
| 2.3.3 模型融合规则 | 第20-22页 |
| 2.4 算法实验与分析 | 第22-27页 |
| 2.4.1 数据集 | 第22-23页 |
| 2.4.2 评价指标 | 第23页 |
| 2.4.3 实验结果分析 | 第23-27页 |
| 2.5 本章小结 | 第27-29页 |
| 第三章 基于分类标签和高阶奇异值分解的餐厅推荐算法 | 第29-37页 |
| 3.1 引言 | 第29页 |
| 3.2 相关工作 | 第29-30页 |
| 3.3 基于分类标签和高阶奇异值分解的餐厅推荐算法设计 | 第30-33页 |
| 3.4 算法实验与分析 | 第33-36页 |
| 3.4.1 数据集 | 第33-34页 |
| 3.4.2 评价指标 | 第34-35页 |
| 3.4.3 实验结果分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 基于朋友关系和非负矩阵分解的餐厅推荐算法 | 第37-47页 |
| 4.1 引言 | 第37页 |
| 4.2 相关工作 | 第37-38页 |
| 4.3 基于朋友关系和非负矩阵分解的餐厅推荐算法设计 | 第38-42页 |
| 4.4 算法实验与分析 | 第42-46页 |
| 4.4.1 数据集 | 第42-43页 |
| 4.4.2 评价指标 | 第43页 |
| 4.4.3 实验结果分析 | 第43-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 基于奇异值分解特征矩阵的协同过滤餐厅推荐算法 | 第47-54页 |
| 5.1 引言 | 第47页 |
| 5.2 基于奇异值分解特征矩阵的协同过滤餐厅推荐算法设计 | 第47-50页 |
| 5.3 算法实验与分析 | 第50-53页 |
| 5.3.1 数据集 | 第50-51页 |
| 5.3.2 评价指标 | 第51页 |
| 5.3.3 实验结果分析 | 第51-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第六章 实验系统设计与实现 | 第54-59页 |
| 6.1 实验系统总体设计 | 第54-55页 |
| 6.2 实验系统模块介绍 | 第55-56页 |
| 6.3 实验系统实现及功能测试 | 第56-58页 |
| 6.4 本章小结 | 第58-59页 |
| 第七章 总结与展望 | 第59-62页 |
| 7.1 本文工作总结 | 第59-60页 |
| 7.2 下一步工作展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
