| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 POI推荐 | 第12-13页 |
| 1.2.2 利用时间信息的POI推荐 | 第13-15页 |
| 1.2.3 情景感知的POI推荐 | 第15-16页 |
| 1.3 本文主要研究工作 | 第16-18页 |
| 1.3.1 本文的主要研究内容 | 第16-17页 |
| 1.3.2 本文的主要研究成果 | 第17-18页 |
| 1.4 章节安排 | 第18-20页 |
| 第2章 课题研究的基础知识 | 第20-30页 |
| 2.1 推荐系统 | 第20-22页 |
| 2.2 基于社会网的推荐 | 第22-26页 |
| 2.3 协同过滤 | 第26-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于社会网和地理信息的POI推荐算法 | 第30-48页 |
| 3.1 引言 | 第30-31页 |
| 3.2 相关工作 | 第31-32页 |
| 3.3 预备知识 | 第32-35页 |
| 3.3.1 基本聚类算法 | 第32-33页 |
| 3.3.2 子策略融合 | 第33-35页 |
| 3.4 基于社会网和地理信息的POI推荐模型 | 第35-42页 |
| 3.4.1 基于社会网的协同过滤模型SR | 第36-39页 |
| 3.4.2 基于地理信息的OR模型 | 第39-41页 |
| 3.4.3 基于社会网和地理信息的SROF模型 | 第41-42页 |
| 3.5 实验与结果分析 | 第42-47页 |
| 3.5.1 实验设置 | 第42-44页 |
| 3.5.2 参数变化对推荐性能的影响 | 第44-45页 |
| 3.5.3 比较不同方法的性能 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于时空信息的POI推荐算法 | 第48-62页 |
| 4.1 引言 | 第48页 |
| 4.2 相关工作 | 第48-49页 |
| 4.3 预备知识 | 第49-50页 |
| 4.4 基于时空信息的POI推荐模型 | 第50-55页 |
| 4.4.1 基于时间信息的CT模型 | 第50-52页 |
| 4.4.2 基于时空信息的CTS模型 | 第52-55页 |
| 4.4.3 结合社会网的S-CTS模型 | 第55页 |
| 4.5 实验与结果分析 | 第55-60页 |
| 4.5.1 实验设置 | 第55-56页 |
| 4.5.2 参数变化的影响 | 第56-57页 |
| 4.5.3 比较不同方法的性能 | 第57-59页 |
| 4.5.4 不同休息日划分的影响 | 第59-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第5章 基于地点类别和地理信息的POI推荐算法 | 第62-72页 |
| 5.1 引言 | 第62页 |
| 5.2 相关工作 | 第62-63页 |
| 5.3 预备知识 | 第63-64页 |
| 5.4 基于地点类别和地理信息的POI推荐模型 | 第64-68页 |
| 5.4.1 基于地点类别的用户偏好兴趣矩阵计算 | 第64-65页 |
| 5.4.2 基于地理信息和用户类别偏好的GUP模型 | 第65-67页 |
| 5.4.3 结合社会网和时间信息的ST-GUP模型 | 第67-68页 |
| 5.5 实验与结果分析 | 第68-71页 |
| 5.5.1 实验设置 | 第68页 |
| 5.5.2 比较不同方法的性能 | 第68-70页 |
| 5.5.3 比较本文提出的不同模型的性能 | 第70-71页 |
| 5.6 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 致谢 | 第80-81页 |
| 攻读硕士学位期间发表学术论文 | 第81-82页 |