基于位置的社交网络推荐算法的研究与应用
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 引言 | 第9-11页 |
| 第一章 绪论 | 第11-15页 |
| ·背景及意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文主要内容 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 相关技术介绍 | 第15-22页 |
| ·数据预处理 | 第15-17页 |
| ·聚类分析 | 第17-18页 |
| ·DBSCAN算法 | 第18页 |
| ·OPTICS算法 | 第18页 |
| ·DENCLUE算法 | 第18页 |
| ·推荐算法 | 第18-21页 |
| ·基于内容的推荐 | 第19-20页 |
| ·基于协同过滤的推荐 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 关系数据与位置数据的建模 | 第22-34页 |
| ·关系数据挖掘 | 第23-25页 |
| ·社交关系图谱 | 第23-24页 |
| ·用户关系向量模型 | 第24-25页 |
| ·用户信任度计算 | 第25页 |
| ·位置数据挖掘 | 第25-33页 |
| ·数据预处理 | 第26-28页 |
| ·移动位置点聚类 | 第28-30页 |
| ·用户与泊点聚类的向量模型 | 第30-31页 |
| ·用户与位置标签的向量模型 | 第31-32页 |
| ·兴趣度和偏好度的计算 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 LBSN好友与位置的推荐 | 第34-43页 |
| ·项目背景 | 第34-35页 |
| ·推荐好友 | 第35-36页 |
| ·算法的基本思想 | 第35页 |
| ·用户相似性计算 | 第35-36页 |
| ·好友推荐算法 | 第36页 |
| ·推荐位置 | 第36-42页 |
| ·位置推荐的基本策略 | 第36-37页 |
| ·基于偏好度推荐 | 第37-38页 |
| ·基于用户信任度和兴趣度推荐 | 第38-40页 |
| ·组合位置推荐 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 推荐算法的测试与应用 | 第43-57页 |
| ·测试数据 | 第43-45页 |
| ·试验评价标准 | 第45-46页 |
| ·实验结果及分析 | 第46-52页 |
| ·好友推荐实验 | 第46-48页 |
| ·位置推荐实验 | 第48-52页 |
| ·推荐算法的应用 | 第52-56页 |
| ·系统架构 | 第52-54页 |
| ·数据预处理模块 | 第54页 |
| ·好友推荐模块 | 第54-55页 |
| ·位置推荐模块 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 结束语 | 第57-59页 |
| 参考文献 | 第59-61页 |
| 发表文章 | 第61-62页 |
| 致谢 | 第62页 |
