| 摘要 | 第4-7页 |
| Abstract | 第7-10页 |
| 第一章 绪论 | 第19-33页 |
| 1.1 研究背景 | 第19-21页 |
| 1.2 国内外研究现状 | 第21-31页 |
| 1.2.1 协同过滤推荐算法的研究现状 | 第21-24页 |
| 1.2.2 基于社交网络推荐算法的研究现状 | 第24-26页 |
| 1.2.3 兴趣点推荐算法的研究现状 | 第26-31页 |
| 1.3 本文研究方法及内容 | 第31-33页 |
| 第二章 基于属性耦合的矩阵分解推荐算法 | 第33-51页 |
| 2.1 引言 | 第33-35页 |
| 2.2 相关研究工作 | 第35-36页 |
| 2.3 预备知识 | 第36-38页 |
| 2.3.1 符号表示 | 第36-37页 |
| 2.3.2 矩阵分解 | 第37-38页 |
| 2.4 基于属性耦合的矩阵分解推荐算法 | 第38-42页 |
| 2.4.1 项目关系度量COS | 第38-40页 |
| 2.4.2 基于属性耦合的矩阵分解推荐算法框架 | 第40-42页 |
| 2.5 实验与分析 | 第42-50页 |
| 2.5.1 数据集 | 第42-43页 |
| 2.5.2 评价指标 | 第43-44页 |
| 2.5.3 实验设置 | 第44-45页 |
| 2.5.4 推荐质量对比 | 第45-46页 |
| 2.5.5 控制参数β的影响 | 第46-47页 |
| 2.5.6 参数K的影响 | 第47-48页 |
| 2.5.7 冷启动项目上的性能 | 第48-50页 |
| 2.6 本章小结 | 第50-51页 |
| 第三章 融合用户社会地位和矩阵分解的推荐算法 | 第51-66页 |
| 3.1 引言 | 第51页 |
| 3.2 相关研究工作 | 第51-53页 |
| 3.3 问题描述 | 第53页 |
| 3.4 融合用户社会地位和矩阵分解的推荐算法 | 第53-57页 |
| 3.4.1 融合用户社会地位和矩阵分解的推荐算法框架 | 第53-55页 |
| 3.4.2 算法模型及参数学习 | 第55-57页 |
| 3.5 实验与分析 | 第57-64页 |
| 3.5.1 数据集和评价指标 | 第58-59页 |
| 3.5.2 实验设置 | 第59-61页 |
| 3.5.3 性能对比 | 第61-62页 |
| 3.5.4 参数λ_3的影响 | 第62-63页 |
| 3.5.5 参数K的影响 | 第63页 |
| 3.5.6 模型训练时间对比 | 第63-64页 |
| 3.6 本章小结 | 第64-66页 |
| 第四章 地点重要性和用户权威性增强的兴趣点推荐算法 | 第66-85页 |
| 4.1 引言 | 第66-68页 |
| 4.2 预备知识 | 第68-71页 |
| 4.2.1 兴趣点推荐问题描述 | 第68页 |
| 4.2.2 概率矩阵分解 | 第68-70页 |
| 4.2.3 泊松因子模型 | 第70-71页 |
| 4.3 地点重要性和用户权威性增强的兴趣点推荐算法 | 第71-78页 |
| 4.3.1 模型和参数学习 | 第72-74页 |
| 4.3.2 计算地点重要性和用户权威性 | 第74-77页 |
| 4.3.3 复杂度分析 | 第77-78页 |
| 4.4 实验与分析 | 第78-84页 |
| 4.4.1 数据集 | 第78-79页 |
| 4.4.2 评价指标 | 第79页 |
| 4.4.3 实验设置 | 第79-81页 |
| 4.4.4 性能对比 | 第81-82页 |
| 4.4.5 地点重要性和用户权威性的影响 | 第82-83页 |
| 4.4.6 参数α_k和β_k的影响 | 第83-84页 |
| 4.5 本章小结 | 第84-85页 |
| 第五章 基于Ranking的泊松矩阵分解兴趣点推荐算法 | 第85-98页 |
| 5.1 引言 | 第85-86页 |
| 5.2 基于Ranking的泊松矩阵分解的兴趣点推荐算法 | 第86-91页 |
| 5.3 实验与分析 | 第91-97页 |
| 5.3.1 数据集和评价指标 | 第91-92页 |
| 5.3.2 实验设置 | 第92-93页 |
| 5.3.3 性能对比 | 第93-94页 |
| 5.3.4 参数λ_g的影响 | 第94-95页 |
| 5.3.5 参数α_k和β_k的影响 | 第95-96页 |
| 5.3.6 参数K的影响 | 第96-97页 |
| 5.4 本章小结 | 第97-98页 |
| 第六章 总结与展望 | 第98-102页 |
| 6.1 总结 | 第98-100页 |
| 6.2 展望 | 第100-102页 |
| 参考文献 | 第102-118页 |
| 简历与科研成果 | 第118-120页 |
| 致谢 | 第120-122页 |
