基于用户签到行为的兴趣点推荐方法研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 研究内容 | 第13-16页 |
| 1.3 研究现状 | 第16-17页 |
| 1.4 论文组织结构 | 第17-19页 |
| 第二章 位置社交网络推荐的综述 | 第19-26页 |
| 2.1 基于位置的社交网络 | 第19-20页 |
| 2.2 位置社交网络的推荐方法 | 第20-24页 |
| 2.2.1 协同过滤 | 第20-21页 |
| 2.2.2 矩阵分解 | 第21-23页 |
| 2.2.3 链路分析 | 第23-24页 |
| 2.3 兴趣点推荐面临的问题 | 第24-25页 |
| 2.3.1 冷启动问题 | 第24页 |
| 2.3.2 稀疏性问题 | 第24-25页 |
| 2.3.3 异构性 | 第25页 |
| 2.3.4 多样性 | 第25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 兴趣点推荐和签到数据集分析 | 第26-39页 |
| 3.1 兴趣点推荐问题 | 第26-27页 |
| 3.1.1 符号表示和问题定义 | 第26-27页 |
| 3.1.2 兴趣点的距离 | 第27页 |
| 3.2 签到数据集 | 第27-28页 |
| 3.3 空间要素 | 第28-31页 |
| 3.4 时间序列要素 | 第31-36页 |
| 3.4.1 序列熵 | 第31-34页 |
| 3.4.2 重复签到 | 第34-36页 |
| 3.5 社交关系要素 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 用户的个性化空间分布模型 | 第39-52页 |
| 4.1 引言 | 第39页 |
| 4.2 空间分布建模分析 | 第39-44页 |
| 4.2.1 高斯混合模型 | 第39-40页 |
| 4.2.2 幂函数模型 | 第40-41页 |
| 4.2.3 核密度估计模型 | 第41-44页 |
| 4.3 利用二维核密度估计拟合个性化空间分布概率 | 第44-48页 |
| 4.3.1 用户签到聚类 | 第44-46页 |
| 4.3.2 聚类核密度估计方法 | 第46-48页 |
| 4.4 实验效果分析 | 第48-51页 |
| 4.4.1 实验设置 | 第48页 |
| 4.4.2 评价指标 | 第48-49页 |
| 4.4.3 实验结果及分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于用户签到行为的混合推荐方法 | 第52-64页 |
| 5.1 随机游走用于位置社交网络推荐 | 第52-57页 |
| 5.1.1 图的随机游走 | 第52-53页 |
| 5.1.2 位置社交网络的特点 | 第53-54页 |
| 5.1.3 转移矩阵的构建 | 第54-56页 |
| 5.1.4 异构随机游走 | 第56-57页 |
| 5.2 基于社交的协同过滤 | 第57-58页 |
| 5.3 混合推荐方法 | 第58-60页 |
| 5.4 实验效果分析 | 第60-63页 |
| 5.4.1 实验数据集 | 第60页 |
| 5.4.2 基准推荐方法 | 第60-61页 |
| 5.4.3 实验结果及分析 | 第61-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 本文研究工作的总结 | 第64页 |
| 6.2 下一步工作的展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文目录 | 第71页 |
