摘要 | 第3-4页 |
Abstract | 第4-5页 |
1 绪论 | 第9-19页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 国内外研究概述 | 第10-16页 |
1.2.1 标签推荐研究进展 | 第10-13页 |
1.2.2 推荐算法研究进展 | 第13-15页 |
1.2.3 WebGIS研究进展 | 第15-16页 |
1.3 研究内容及技术路线图 | 第16-18页 |
1.4 章节安排 | 第18-19页 |
2 基于微博的时空标签模型构建 | 第19-28页 |
2.1 微博数据特征 | 第19-20页 |
2.2 微博数据获取 | 第20-22页 |
2.3 数据聚合处理 | 第22-25页 |
2.3.1 数据介绍 | 第22-24页 |
2.3.2 文本分词化 | 第24页 |
2.3.3 特征标签提取 | 第24-25页 |
2.4 时空标签数据模型 | 第25-27页 |
2.4.1 游客时空标签模型 | 第25-26页 |
2.4.2 景点时空标签模型 | 第26页 |
2.4.3 相似景点聚类模型 | 第26-27页 |
2.5 本章小结 | 第27-28页 |
3 基于协同过滤的景点推荐模型构建 | 第28-37页 |
3.1 推荐算法介绍 | 第28-31页 |
3.1.1 基于项目的协同过滤 | 第28-29页 |
3.1.2 基于用户的协同过滤 | 第29-30页 |
3.1.3 基于自学习的协同过滤 | 第30-31页 |
3.2 相似度度量 | 第31-33页 |
3.2.1 余弦相似度 | 第31-32页 |
3.2.2 Pearson系数 | 第32页 |
3.2.3 交集相似度 | 第32-33页 |
3.3 景点推荐模型构建 | 第33-36页 |
3.3.1 相似景点聚类 | 第33-34页 |
3.3.2 相似游客聚类 | 第34页 |
3.3.3 基于Item-CF的景点推荐模型 | 第34-35页 |
3.3.4 基于User-CF的景点推荐模型 | 第35页 |
3.3.5 基于SL-CF的景点推荐模型 | 第35-36页 |
3.4 本章小结 | 第36-37页 |
4 基于景点推荐模型的推荐算法评测 | 第37-48页 |
4.1 评测数据 | 第37-39页 |
4.1.1 数据统计 | 第37-38页 |
4.1.2 空间分布可视化 | 第38-39页 |
4.2 评测指标 | 第39-40页 |
4.2.1 准确率 | 第39-40页 |
4.2.2 召回率 | 第40页 |
4.2.3 兴趣度 | 第40页 |
4.3 评测内容及结果 | 第40-47页 |
4.3.1 ItemCF-Based评测 | 第40-42页 |
4.3.2 UserCF-Based评测 | 第42-44页 |
4.3.3 SLCF-Based评测 | 第44-46页 |
4.3.4 对比分析 | 第46-47页 |
4.4 本章小结 | 第47-48页 |
5 基于WebGIS的景点推荐服务平台设计与实现 | 第48-71页 |
5.1 需求分析 | 第48-49页 |
5.2 架构设计 | 第49-51页 |
5.3 详细设计 | 第51-55页 |
5.3.1 UI设计规范 | 第51页 |
5.3.2 功能模块设计 | 第51-52页 |
5.3.3 数据库设计 | 第52-55页 |
5.4 关键技术与编码实现 | 第55-67页 |
5.4.1 UI布局与设计 | 第55-57页 |
5.4.2 平台导航模块 | 第57-58页 |
5.4.3 景点分类模块 | 第58-59页 |
5.4.4 景点推荐模块 | 第59-62页 |
5.4.5 查询定位模块 | 第62-63页 |
5.4.6 人气统计模块 | 第63-65页 |
5.4.7 平台项目体系 | 第65-67页 |
5.5 功能测试与平台展示 | 第67-70页 |
5.6 本章小结 | 第70-71页 |
6 结论与展望 | 第71-73页 |
6.1 结论 | 第71-72页 |
6.2 展望 | 第72-73页 |
致谢 | 第73-74页 |
参考文献 | 第74-77页 |
附录 | 第77-87页 |
附录一:数据聚合处理(DataProcessing.cs) | 第77-81页 |
附录二:协同过滤算法实现(CFAlgorithm.cs) | 第81-85页 |
附录三:评测指标实现(EvaluationIndices.cs) | 第85-87页 |
附录四:攻读硕士研究生期间相关获奖情况 | 第87页 |