LBSN中基于行为分析的用户位置预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 研究背景与问题 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10-11页 |
| 1.4 论文的组织结构 | 第11-13页 |
| 第二章 相关背景概述 | 第13-19页 |
| 2.1 LBSN | 第13-14页 |
| 2.1.1 LBSN简介 | 第13页 |
| 2.1.2 基于位置的异构网络模型 | 第13-14页 |
| 2.2 LBSN的社交网络属性 | 第14-16页 |
| 2.2.1 六度分隔理论 | 第14-15页 |
| 2.2.2 无标度特性 | 第15-16页 |
| 2.3 LBSN中用户数据的特点 | 第16-17页 |
| 2.4 LBSN中的研究方向 | 第17-18页 |
| 2.5 本章小结 | 第18-19页 |
| 第三章 数据集的获取与预处理 | 第19-23页 |
| 3.1 数据源选择与介绍 | 第19页 |
| 3.2 数据内容 | 第19-20页 |
| 3.3 数据获取及处理 | 第20-21页 |
| 3.4 数据分析 | 第21-22页 |
| 3.5 本章小结 | 第22-23页 |
| 第四章 用户签到行为分析 | 第23-32页 |
| 4.1 时间周期性分析 | 第23-27页 |
| 4.2 空间因素分析 | 第27-30页 |
| 4.2.1 签到位置空间聚簇性分析 | 第27-28页 |
| 4.2.2 签到中心home的发现方法 | 第28-30页 |
| 4.3 社交因素分析 | 第30-31页 |
| 4.4 本章小结 | 第31-32页 |
| 第五章 基于多维混合特征的位置预测算法 | 第32-43页 |
| 5.1 多维特征建模及特征量化 | 第32-35页 |
| 5.1.1 时间相关的特征的提取 | 第32-33页 |
| 5.1.2 空间相关特征的提取 | 第33-34页 |
| 5.1.3 社交关系相关特征 | 第34-35页 |
| 5.1.4 用户偏好特征及其归一化 | 第35页 |
| 5.2 基于多维混合特征的位置预测算法 | 第35-36页 |
| 5.3 基于多维混合特征的位置预测系统框架 | 第36-37页 |
| 5.4 实验设计与结果分析 | 第37-42页 |
| 5.4.1 实验环境 | 第37页 |
| 5.4.2 训练集合测试集的划分 | 第37-38页 |
| 5.4.3 算法评价标准 | 第38页 |
| 5.4.4 实验设计 | 第38-39页 |
| 5.4.5 实验结果及分析 | 第39-42页 |
| 5.5 本章小结 | 第42-43页 |
| 第六章 原型系统实现 | 第43-48页 |
| 6.1 原型系统整体架构 | 第43-44页 |
| 6.2 开发环境 | 第44页 |
| 6.3 原型系统实现 | 第44-47页 |
| 6.3.1 数据库设计 | 第44页 |
| 6.3.2 Google Map接口 | 第44-45页 |
| 6.3.3 可视化模块 | 第45-47页 |
| 6.4 本章小结 | 第47-48页 |
| 第七章 总结与展望 | 第48-50页 |
| 7.1 研究工作总结 | 第48页 |
| 7.2 研究工作展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
