| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 国内外研究现状 | 第10-12页 |
| 1.2.2 存在问题和发展趋势 | 第12-13页 |
| 1.3 研究目标与研究内容 | 第13-16页 |
| 1.3.1 研究目标 | 第13页 |
| 1.3.2 研究内容 | 第13-14页 |
| 1.3.3 论文组织结构 | 第14-16页 |
| 第二章 协同过滤算法及相关研究 | 第16-23页 |
| 2.1 协同过滤算法概述 | 第16页 |
| 2.2 基于记忆的协同过滤算法 | 第16-21页 |
| 2.2.1 基于用户的推荐 | 第17-18页 |
| 2.2.2 基于物品的推荐 | 第18-19页 |
| 2.2.3 相似度算法 | 第19-21页 |
| 2.3 基于模型的协同过滤推荐 | 第21-22页 |
| 2.4 基于混合方法的协同过滤推荐 | 第22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于贝叶斯分类的用户兴趣建模 | 第23-32页 |
| 3.1 贝叶斯决策论 | 第23-25页 |
| 3.2 极大似然估计 | 第25页 |
| 3.3 朴素贝叶斯分类 | 第25-27页 |
| 3.4 用户兴趣模型的构建 | 第27-30页 |
| 3.5 基于特征加权的朴素贝叶斯用户兴趣模型 | 第30-31页 |
| 3.6 模型的更新与维护 | 第31页 |
| 3.7 本章小结 | 第31-32页 |
| 第四章 融合用户特征分类和协同过滤的餐饮位置服务推荐 | 第32-42页 |
| 4.1 推荐系统的总体框架 | 第32-33页 |
| 4.2 用户定位及周边餐厅搜索 | 第33页 |
| 4.3 数据获取与预处理 | 第33-34页 |
| 4.4 用户饮食偏好模型的构建 | 第34-35页 |
| 4.5 基于餐厅的协同过滤 | 第35-41页 |
| 4.5.1 构建用户-餐厅评分矩阵 | 第36页 |
| 4.5.2 生成Top-N个最近邻餐厅 | 第36-37页 |
| 4.5.3 预测值估计 | 第37-38页 |
| 4.5.4 餐饮位置服务推荐 | 第38-41页 |
| 4.6 本章小结 | 第41-42页 |
| 第五章 实验及评价 | 第42-52页 |
| 5.1 实验数据介绍 | 第42-44页 |
| 5.1.1 实验区域概况 | 第42页 |
| 5.1.2 数据内容 | 第42-44页 |
| 5.2 实验过程 | 第44页 |
| 5.3 结果评价及分析 | 第44-51页 |
| 5.3.1 预测准确率 | 第46-47页 |
| 5.3.2 分类精确度 | 第47-49页 |
| 5.3.3 时间复杂度 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-55页 |
| 6.1 研究工作总结 | 第52-53页 |
| 6.2 后续工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |