| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景及意义 | 第12-15页 |
| 1.2 国内外相关研究现状 | 第15-16页 |
| 1.3 主要研究内容 | 第16-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-20页 |
| 第二章 兴趣点推荐及相关研究 | 第20-30页 |
| 2.1 个性化推荐算法介绍 | 第20-24页 |
| 2.1.1 推荐系统架构 | 第20-21页 |
| 2.1.2 协同过滤算法 | 第21-23页 |
| 2.1.3 基于关联规则的推荐(Association Rule-based Recommendation) | 第23页 |
| 2.1.4 基于奇异值分解的推荐算法 | 第23-24页 |
| 2.2 兴趣点推荐 | 第24-27页 |
| 2.3 POI推荐系统常用方法 | 第27-29页 |
| 2.3.1 用户相似度的协同过滤 | 第27-28页 |
| 2.3.2 基于社交的协同过滤 | 第28-29页 |
| 2.3.3 混合推荐 | 第29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 用户兴趣变化及POI推荐优化 | 第30-44页 |
| 3.1 对POI推荐改进的分析 | 第30-31页 |
| 3.2 融入时间因素的计算方法 | 第31-33页 |
| 3.3 融入地理因素的计算方法 | 第33-35页 |
| 3.4 时间地理因素的结合计算 | 第35页 |
| 3.5 用户兴趣变化和遗忘规律 | 第35-40页 |
| 3.5.1 用户兴趣变化描述 | 第35-37页 |
| 3.5.2 线性遗忘函数 | 第37-39页 |
| 3.5.3 非线性遗忘函数 | 第39-40页 |
| 3.6 实验测试与仿真 | 第40-43页 |
| 3.6.1 实验数据 | 第40-41页 |
| 3.6.2 实验评价指标 | 第41-42页 |
| 3.6.3 实验结果及比较 | 第42-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第四章 基于Slope One推荐算法的改进 | 第44-54页 |
| 4.1 Slope One算法 | 第44-46页 |
| 4.1.1 算法简介 | 第44页 |
| 4.1.2 算法主要思想 | 第44-46页 |
| 4.1.3 算法特点 | 第46页 |
| 4.2 Slope One算法流程 | 第46-49页 |
| 4.2.1 算法一般表达式 | 第46-47页 |
| 4.2.2 计算流程 | 第47-49页 |
| 4.3 Slope One算法的改进 | 第49-52页 |
| 4.3.1 加权Slope One算法 | 第50页 |
| 4.3.2 基于用户最近邻的筛选优化 | 第50-51页 |
| 4.3.3 改进的Slope One算法流程 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 算法性能测试与分析 | 第54-63页 |
| 5.1 实验环境 | 第54页 |
| 5.1.1 硬件环境 | 第54页 |
| 5.1.2 软件环境 | 第54页 |
| 5.2 实验准备 | 第54-56页 |
| 5.2.1 实验数据样本 | 第54-55页 |
| 5.2.2 算法评价指标 | 第55-56页 |
| 5.3 实验结果 | 第56-62页 |
| 5.3.1 探究K_(NN)最近邻用户集对Slope One的影响 | 第56-58页 |
| 5.3.2 时间和地理位置因素对推荐效果的影响 | 第58-59页 |
| 5.3.3 S-Slope One算法与其他方法的对比 | 第59-61页 |
| 5.3.4 数据稀疏性及冷启动对推荐的影响 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-66页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 下一步的研究工作 | 第64-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72页 |
