面向LBSN的多维度因素融合兴趣点推荐机制研究
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第15-25页 |
| 1.1 研究背景与意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-22页 |
| 1.2.1 独立与顺序位置推荐系统 | 第17-19页 |
| 1.2.2 活动推荐系统 | 第19-20页 |
| 1.2.3 用户推荐系统 | 第20-22页 |
| 1.2.4 社交媒体推荐系统 | 第22页 |
| 1.3 研究内容与组织结构 | 第22-24页 |
| 1.3.1 主要研究内容 | 第22-23页 |
| 1.3.2 本文组织结构 | 第23-24页 |
| 1.4 本章小结 | 第24-25页 |
| 第二章 相关技术研究 | 第25-37页 |
| 2.1 LBSN相关知识介绍 | 第25-30页 |
| 2.1.1 名词解释 | 第27-28页 |
| 2.1.2 线性聚合方法 | 第28-29页 |
| 2.1.3 Random Walk算法 | 第29-30页 |
| 2.2 典型兴趣点推荐算法介绍 | 第30-35页 |
| 2.2.1 基于元路径的推荐算法 | 第31-33页 |
| 2.2.2 基于用户的CF模型推荐算法 | 第33-34页 |
| 2.2.3 基于好友的协同过滤推荐算法 | 第34-35页 |
| 2.3 群智感知体系结构与激励机制模型 | 第35-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于逆向拍卖改进的激励机制 | 第37-55页 |
| 3.1 移动众包的理论研究 | 第37-39页 |
| 3.2 典型激励方式研究 | 第39-43页 |
| 3.2.1 群智感知激励方式的分类 | 第39-40页 |
| 3.2.2 不同激励方式的特点分析 | 第40-43页 |
| 3.3 改进的激励机制框架与算法 | 第43-47页 |
| 3.3.1 逆向拍卖激励机制框架 | 第43-45页 |
| 3.3.2 改进的激励机制BRAIM算法 | 第45-47页 |
| 3.4 实验分析与结论 | 第47-53页 |
| 3.4.1 参数设置与性能指标 | 第47-48页 |
| 3.4.2 BRAIM算法性能分析与有效性验证 | 第48-53页 |
| 3.4.3 数据结果分析与结论 | 第53页 |
| 3.5 本章小结 | 第53-55页 |
| 第四章 多维度因素融合的兴趣点推荐机制 | 第55-76页 |
| 4.1 时间因素的数据分析与改进方法 | 第56-59页 |
| 4.1.1 平日-周末兴趣点变化分析 | 第56-58页 |
| 4.1.2 基于时间因素的改进方法 | 第58-59页 |
| 4.2 基于社交因素的算法分析与方法改进 | 第59-63页 |
| 4.2.1 TF-IDF算法研究 | 第59-61页 |
| 4.2.2 FoF算法研究 | 第61-62页 |
| 4.2.3 社交因素影响的数据结果分析 | 第62-63页 |
| 4.2.4 基于线性聚合的改进方法 | 第63页 |
| 4.3 基于距离因素的理论分析与改进 | 第63-66页 |
| 4.3.1 距离因素对兴趣点推荐的影响 | 第63-64页 |
| 4.3.2 基于幂律分布改进的计算方法 | 第64-66页 |
| 4.4 多维度因素融合的推荐算法 | 第66-68页 |
| 4.5 实验结果与分析 | 第68-75页 |
| 4.5.1 数据源信息简介 | 第68-69页 |
| 4.5.2 对比算法列表与性能指标 | 第69-70页 |
| 4.5.3 数据分析与结论 | 第70-75页 |
| 4.6 本章小结 | 第75-76页 |
| 第五章 总结与展望 | 第76-78页 |
| 5.1 本文工作总结 | 第76-77页 |
| 5.2 未来工作展望 | 第77-78页 |
| 参考文献 | 第78-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第86页 |
