| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 研究现状与前景 | 第11-15页 |
| 1.2.1 R2C电子商务平台发展现状 | 第11-13页 |
| 1.2.2 地点推荐算法的研究现状及其在R2C电子商务平台的应用前景 | 第13-14页 |
| 1.2.3 研究中面临的问题 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 本文组织结构 | 第16-17页 |
| 第二章 相关理论介绍 | 第17-26页 |
| 2.1 R2C平台简介 | 第17-19页 |
| 2.1.1 R2C电子商务平台的运营结构介绍 | 第17-18页 |
| 2.1.2 R2C电子商务平台目前的简单推荐实现 | 第18-19页 |
| 2.2 推荐算法概述 | 第19-22页 |
| 2.2.1 基于内容的推荐算法 | 第19-20页 |
| 2.2.2 基于协同过滤的推荐 | 第20-22页 |
| 2.3 推荐算法效果的评估方法 | 第22-25页 |
| 2.3.1 MAE(Mean Absolute Error) | 第23-24页 |
| 2.3.2 准确率和召回率 | 第24页 |
| 2.3.3 F-Measure | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于位置的个性化推荐算法的研究 | 第26-35页 |
| 3.1 个性化地点推荐算法的研究现状及应用领域 | 第26页 |
| 3.2 个性化地点推荐算法的概述 | 第26-28页 |
| 3.2.1 USG算法 | 第27-28页 |
| 3.3 基于人类活动周期的地点类别推荐研究 | 第28-34页 |
| 3.3.1 数据集描述和数据分析 | 第28-29页 |
| 3.3.2 时间性分析 | 第29-31页 |
| 3.3.3 构建时间模型和算法 | 第31-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 基于人类周期性活动分类的地点推荐算法的研究 | 第35-49页 |
| 4.1 引言 | 第35页 |
| 4.2 基于人类活动周期性和空间性的地点推荐算法 | 第35-42页 |
| 4.2.1 空间性分析 | 第35-37页 |
| 4.2.2 构建空间概率分布函数 | 第37-39页 |
| 4.2.3 构建地点推荐算法 | 第39-41页 |
| 4.2.4 地点-周期性区域推荐系统 | 第41-42页 |
| 4.3 基于人类活动周期性和协同过滤地点推荐算法 | 第42-48页 |
| 4.3.1 基于地点评分的协同过滤推荐算法 | 第42-45页 |
| 4.3.2 基于人类活动周期性和协同过滤地点推荐算法的设计 | 第45-47页 |
| 4.3.3 地点评分-周期性区域推荐系统 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 实验设计与结果分析 | 第49-57页 |
| 5.1 实验数据 | 第49-50页 |
| 5.2 实验环境 | 第50页 |
| 5.3 实验过程 | 第50-54页 |
| 5.3.1 实验使用算法 | 第50页 |
| 5.3.2 算法验证流程 | 第50-52页 |
| 5.3.3 实验结果与分析 | 第52-54页 |
| 5.4 初步实现个性化地点推荐算法 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| 6.1 总结 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64页 |
