融合多维签到信息的LBSN链接预测研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 论文背景及意义 | 第11-12页 |
| 1.2 相关研究现状 | 第12-14页 |
| 1.2.1 链接预测 | 第12-14页 |
| 1.2.2 时空技术的应用 | 第14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 相关理论与技术基础 | 第17-28页 |
| 2.1 LBSN简介 | 第17-18页 |
| 2.2 基于相似性的LBSN链接预测算法 | 第18-25页 |
| 2.2.1 基于网络结构的相似性特征 | 第19-22页 |
| 2.2.2 基于位置的相似性特征 | 第22-25页 |
| 2.2.3 基于相似性的链接预测策略 | 第25页 |
| 2.3 聚类算法 | 第25-26页 |
| 2.4 相似度计算方法 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 基于广义地点的签到时空特征挖掘 | 第28-49页 |
| 3.1 签到时空特征分析 | 第28-36页 |
| 3.1.1 用户-签到分布分析 | 第29-32页 |
| 3.1.2 位置-签到分布分析 | 第32-34页 |
| 3.1.3 时间-签到分布分析 | 第34-36页 |
| 3.2 基于广义地点的地点关系网络研究 | 第36-39页 |
| 3.2.1 地点关系网络 | 第36页 |
| 3.2.2 广义地点的概念 | 第36-39页 |
| 3.3 基于时空的用户相似性特征挖掘 | 第39-48页 |
| 3.3.1 数据定义 | 第39-40页 |
| 3.3.2 位置维度的相似性特征挖掘 | 第40-43页 |
| 3.3.3 用户维度的相似性特征挖掘 | 第43-45页 |
| 3.3.4 时间维度的相似性特征挖掘 | 第45-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 基于签到地点语义的用户特征挖掘 | 第49-58页 |
| 4.1 LDA主题模型 | 第49-53页 |
| 4.1.1 LDA生成模型 | 第49-52页 |
| 4.1.2 Gibbs抽样 | 第52-53页 |
| 4.2 基于签到地点语义的LDA主题模型 | 第53-57页 |
| 4.2.1 签到地点语义化 | 第53页 |
| 4.2.2 签到地点语义主题模型 | 第53-55页 |
| 4.2.3 地点语义维度的相似性特征挖掘 | 第55-57页 |
| 4.3 本章小结 | 第57-58页 |
| 5 LBSN融合多维信息的链接预测方法 | 第58-67页 |
| 5.1 链接预测模型 | 第58-61页 |
| 5.1.1 总体框架 | 第58-59页 |
| 5.1.2 实验设计 | 第59-60页 |
| 5.1.3 评估方法 | 第60-61页 |
| 5.2 实验结果分析 | 第61-66页 |
| 5.2.1 模型参数及其影响 | 第61-64页 |
| 5.2.2 性能分析 | 第64-66页 |
| 5.3 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 论文工作 | 第67-68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第73-75页 |
| 学位论文数据集 | 第75页 |
