基于LBS的个性化推荐系统研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 概述 | 第10-16页 |
| ·研究背景 | 第10-13页 |
| ·研究目的与意义 | 第13-14页 |
| ·研究目的 | 第13页 |
| ·研究意义 | 第13-14页 |
| ·研究内容与论文框架 | 第14-16页 |
| ·研究内容 | 第14页 |
| ·论文框架 | 第14-16页 |
| 第二章 基础理论与研究现状 | 第16-24页 |
| ·个性化推荐系统 | 第16-17页 |
| ·个性化推荐系统的发展 | 第16页 |
| ·个性化推荐的构成 | 第16-17页 |
| ·个性化推荐算法 | 第17-21页 |
| ·协同过滤推荐 | 第17-19页 |
| ·基于内容的推荐 | 第19-20页 |
| ·基于知识的推荐 | 第20-21页 |
| ·混合推荐 | 第21页 |
| ·LBS对个性化推荐系统的要求 | 第21-24页 |
| ·LBS的特征 | 第21-22页 |
| ·LBS对个性化推荐系统的要求 | 第22-24页 |
| 第三章 LBS对个性化推荐的三个要求 | 第24-38页 |
| ·用户兴趣变化 | 第24-25页 |
| ·用户兴趣建模 | 第24页 |
| ·兴趣转移问题 | 第24-25页 |
| ·情境信息的处理 | 第25-35页 |
| ·情境的界定 | 第26-27页 |
| ·情境信息建模 | 第27-29页 |
| ·整合情境信息 | 第29-35页 |
| ·多标准推荐方法的引入 | 第35-38页 |
| ·传统单标准推荐的问题 | 第35页 |
| ·多标准推荐方法 | 第35-36页 |
| ·多标准评分在传统推荐系统中的应用 | 第36-38页 |
| 第四章 基于LBS的个性化推荐算法的提出 | 第38-48页 |
| ·算法思路 | 第38-39页 |
| ·兴趣模型的选择 | 第39-40页 |
| ·常见模型 | 第39-40页 |
| ·长期兴趣模型和短期兴趣模型 | 第40页 |
| ·短期兴趣 | 第40-43页 |
| ·推荐模型 | 第40-41页 |
| ·推荐算法 | 第41-43页 |
| ·长期兴趣 | 第43-46页 |
| ·推荐模型 | 第43-45页 |
| ·推荐算法 | 第45-46页 |
| ·两种兴趣模型的统一 | 第46-48页 |
| ·使用模型的判断 | 第46页 |
| ·判断的算法 | 第46-48页 |
| 第五章 数据试验 | 第48-56页 |
| ·数据来源及实验设计 | 第48-49页 |
| ·数据来源 | 第48页 |
| ·实验设计 | 第48-49页 |
| ·测试 | 第49-55页 |
| ·推荐精度测试 | 第49-51页 |
| ·推荐覆盖率测试 | 第51-52页 |
| ·推荐适应度测试 | 第52-55页 |
| ·应用建议 | 第55-56页 |
| 第六章 结论及展望 | 第56-58页 |
| ·论文的主要工作及成果 | 第56-57页 |
| ·不足之处以及进一步的研究 | 第57-58页 |
| 参考文献 | 第58-66页 |
| 致谢 | 第66-68页 |
| 作者攻读硕士学位期间发表的学术论文目录 | 第68页 |
