| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究工作的背景与意义 | 第10-11页 |
| 1.2 国内外相关技术研究现状 | 第11-16页 |
| 1.2.1 时空数据处理 | 第11-15页 |
| 1.2.2 基于时空数据的推荐技术 | 第15-16页 |
| 1.3 本文的主要贡献与创新 | 第16-17页 |
| 1.4 本论文的结构安排 | 第17-19页 |
| 第二章 相关推荐技术介绍 | 第19-29页 |
| 2.1 协同过滤技术 | 第19-22页 |
| 2.1.1 基于邻域的协同过滤 | 第19-21页 |
| 2.1.2 基于矩阵分解的协同过滤 | 第21-22页 |
| 2.2 HITS算法 | 第22-25页 |
| 2.3 PAGERANK算法 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 时空数据采集和处理 | 第29-44页 |
| 3.1 景点数据采集和处理 | 第29-39页 |
| 3.1.1 景点数据采集 | 第30-31页 |
| 3.1.2 景点数据预处理 | 第31-36页 |
| 3.1.3 景点信息树建立 | 第36-39页 |
| 3.2 带地理标签的照片数据采集和处理 | 第39-43页 |
| 3.2.1 带地理标签的照片数据采集 | 第39-40页 |
| 3.2.2 带地理标签的照片数据处理 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 时空双连续性个性化旅游景点推荐 | 第44-59页 |
| 4.1 基于景点访问历史的用户分组 | 第44-48页 |
| 4.1.1 基于景点访问历史的用户特征提取 | 第44-45页 |
| 4.1.2 基于二分k-means聚类的用户分组 | 第45-48页 |
| 4.2 基于访问时间序列构建时间分组 | 第48-52页 |
| 4.3 基于距离权重PAGERANK的景点推荐 | 第52-55页 |
| 4.4 基于距离权重PAGERANK的时空双连续性个性化旅游景点推荐 | 第55-58页 |
| 4.4.1 候选推荐景点列表获取 | 第55-57页 |
| 4.4.2 时空双连续性个性化旅游景点推荐 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 算法仿真实验与结果分析 | 第59-68页 |
| 5.1 实验方法与评价指标 | 第59-60页 |
| 5.2 算法参数确定 | 第60-64页 |
| 5.3 算法对比实验 | 第64-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 全文总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68页 |
| 6.2 后续工作展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-74页 |