基于位置社交网络的个性化地点推荐方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| abstract | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 研究背景与研究意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-19页 |
| 1.3 研究内容与章节安排 | 第19-22页 |
| 1.3.1 研究内容 | 第19-20页 |
| 1.3.2 论文结构安排 | 第20-22页 |
| 第二章 相关研究基础 | 第22-31页 |
| 2.1 传统协同过滤推荐方法 | 第22-25页 |
| 2.1.1 基于近邻的协同过滤推荐算法 | 第22-24页 |
| 2.1.2 基于模型的协同过滤算法 | 第24-25页 |
| 2.2 基于位置社交网络的地点推荐 | 第25-30页 |
| 2.2.1 地点推荐与传统推荐的区别 | 第25-26页 |
| 2.2.2 基于签到数据的地点推荐方法 | 第26-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 基于用户时空相似性的地点推荐方法 | 第31-39页 |
| 3.1 基于用户时空相似性的地点推荐方法框架 | 第31-32页 |
| 3.2 用户时空相似性计算方法 | 第32-37页 |
| 3.2.1 时间感知的用户相似性 | 第32-34页 |
| 3.2.2 用户空间相似性 | 第34-37页 |
| 3.2.3 用户时空相似性 | 第37页 |
| 3.3 地点评分预测 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于用户地点偏好的地点推荐方法 | 第39-48页 |
| 4.1 基于用户地点偏好的地点推荐方法框架 | 第39-41页 |
| 4.2 用户偏好计算与签到矩阵填补 | 第41-44页 |
| 4.2.1 用户地点偏好计算 | 第41-44页 |
| 4.2.2 矩阵填补 | 第44页 |
| 4.3 基于填补矩阵的加权矩阵分解方法 | 第44-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 实验设计与结果分析 | 第48-59页 |
| 5.1 实验设置与评价指标 | 第48-49页 |
| 5.1.1 实验环境 | 第48页 |
| 5.1.2 实验数据集 | 第48页 |
| 5.1.3 评价指标 | 第48-49页 |
| 5.2 基于用户时空相似性的地点推荐实验 | 第49-53页 |
| 5.2.1 参数α对推荐效果的影响 | 第49-51页 |
| 5.2.2 对照实验推荐效果对比 | 第51-52页 |
| 5.2.3 近邻用户数量对推荐效果的影响 | 第52-53页 |
| 5.3 .基于用户偏好的地点推荐方法实验 | 第53-58页 |
| 5.3.1 潜在因子维度f对推荐效果的影响 | 第53-55页 |
| 5.3.2 参数ratio对推荐效果的影响 | 第55-56页 |
| 5.3.3 对照实验推荐效果对比 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第65-66页 |
