| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-13页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状及问题 | 第9-11页 |
| 1.3 论文主要内容 | 第11-12页 |
| 1.4 论文结构安排 | 第12-13页 |
| 2 相关基础介绍 | 第13-19页 |
| 2.1 基于位置的社交网络相关介绍 | 第13-15页 |
| 2.1.1 基于位置的社交网络的特征 | 第13-15页 |
| 2.1.2 用户签到数据的行为分析 | 第15页 |
| 2.2 聚类方法简介 | 第15-16页 |
| 2.3 相似度度量方法介绍 | 第16-18页 |
| 2.3.1 余弦相似度 | 第16-17页 |
| 2.3.2 欧式距离相似度 | 第17页 |
| 2.3.3 Jaccard相似系数 | 第17页 |
| 2.3.4 调整的余弦的相似度 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 基于签到数据的用户行为轨迹相似度分析 | 第19-32页 |
| 3.1 有关的用户行为轨迹相似度方法介绍 | 第19-21页 |
| 3.2 获取用户签到数据 | 第21页 |
| 3.3 用户签到数据预处理 | 第21页 |
| 3.4 用户兴趣区域的划分 | 第21-27页 |
| 3.4.1 基本术语 | 第21-22页 |
| 3.4.2 Optics聚类算法 | 第22-26页 |
| 3.4.3 划分ROI | 第26-27页 |
| 3.5 相似区域数SimNumOfROI的计算 | 第27-29页 |
| 3.6 用户相似度的计算 | 第29-31页 |
| 3.6.1 单层相似度计算 | 第29-30页 |
| 3.6.2 跨层相似度计算 | 第30-31页 |
| 3.7 本章小结 | 第31-32页 |
| 4 分布式计算平台Hadoop | 第32-38页 |
| 4.1 Hadoop介绍 | 第32-33页 |
| 4.2 HDFS分布式文件系统介绍 | 第33-34页 |
| 4.3 MapReduce思想 | 第34-35页 |
| 4.4 用户行为轨迹相似度分析的MapReduce的实现方案 | 第35-38页 |
| 5 实验分析 | 第38-51页 |
| 5.1 实验数据介绍 | 第38页 |
| 5.2 实验过程 | 第38-42页 |
| 5.2.1 T个时间段的划分 | 第38-41页 |
| 5.2.2 Optics算法分层 | 第41-42页 |
| 5.3 方法评价 | 第42-50页 |
| 5.3.1 评价指标的介绍 | 第42-43页 |
| 5.3.2 相似度分析评价结果 | 第43-50页 |
| 5.4 本章小结 | 第50-51页 |
| 总结与展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表论文及科研成果 | 第56-57页 |
| 致谢 | 第57-58页 |