| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第15-44页 |
| 1.1 背景意义 | 第15-17页 |
| 1.2 研究现状与相关工作 | 第17-39页 |
| 1.2.1 推荐系统 | 第17-23页 |
| 1.2.2 基于GPS数据、旅行日志、以及签到数据的位置推荐 | 第23-25页 |
| 1.2.3 基于带有地理位置信息照片的景点推荐 | 第25-27页 |
| 1.2.4 主题模型 | 第27-33页 |
| 1.2.5 矩阵分解 | 第33-36页 |
| 1.2.6 张量分解 | 第36-39页 |
| 1.3 本文的主要工作 | 第39-42页 |
| 1.4 论文的结构 | 第42-44页 |
| 2 基于主题模型和情景感知的旅游景点推荐 | 第44-63页 |
| 2.1 引言 | 第44页 |
| 2.2 本章研究具体内容 | 第44-54页 |
| 2.2.1 问题定义 | 第44-46页 |
| 2.2.2 整体过程 | 第46-47页 |
| 2.2.3 旅游景点挖掘 | 第47-49页 |
| 2.2.4 旅游景点画像 | 第49-51页 |
| 2.2.5 用户旅行历史主题的挖掘 | 第51-53页 |
| 2.2.6 旅游景点推荐过程 | 第53-54页 |
| 2.3 实验及结果分析 | 第54-62页 |
| 2.3.1 实验数据集 | 第54-55页 |
| 2.3.2 实验参数设置 | 第55页 |
| 2.3.3 主题模型中主题个数k的确定 | 第55-56页 |
| 2.3.4 相似性用户个数N的确定 | 第56-57页 |
| 2.3.5 算法性能比较 | 第57-62页 |
| 2.4 本章小结 | 第62-63页 |
| 3 基于带有联合正则项的矩阵分解的旅游景点推荐 | 第63-81页 |
| 3.1 引言 | 第63页 |
| 3.2 本章研究具体内容 | 第63-71页 |
| 3.2.1 问题定义 | 第63-64页 |
| 3.2.2 研究架构 | 第64-65页 |
| 3.2.3 基于地理标注照片的景点挖掘 | 第65页 |
| 3.2.4 用户和景点特征的挖掘 | 第65-68页 |
| 3.2.5 用户-景点矩阵、用户相似性矩阵、以及景点相似性矩阵的建立 | 第68-69页 |
| 3.2.6 带有联合正则项的用户-景点矩阵分解以及旅游景点推荐 | 第69-71页 |
| 3.3 实验和结果分析 | 第71-80页 |
| 3.3.1 实验数据集 | 第71-72页 |
| 3.3.2 实验参数设置 | 第72页 |
| 3.3.3 相似性信息贡献因子参数的确定 | 第72-74页 |
| 3.3.4 不同推荐算法性能比较 | 第74-79页 |
| 3.3.5 不同属性信息在算法性能上的比较 | 第79-80页 |
| 3.4 本章小结 | 第80-81页 |
| 4 基于多数据集和协同张量分解的旅游景点推荐 | 第81-101页 |
| 4.1 引言 | 第81页 |
| 4.2 本章研究具体内容 | 第81-92页 |
| 4.2.1 问题定义 | 第81-82页 |
| 4.2.2 研究框架 | 第82-83页 |
| 4.2.3 数据获取 | 第83-84页 |
| 4.2.4 用户旅行偏爱估计 | 第84页 |
| 4.2.5 用户-景点-时间张量和额外矩阵的建立 | 第84-88页 |
| 4.2.6 基于额外矩阵的用户-景点-时间张量的分解 | 第88-92页 |
| 4.3 实验和结果分析 | 第92-100页 |
| 4.3.1 数据集 | 第92-93页 |
| 4.3.2 参数设置 | 第93页 |
| 4.3.3 核心张量S的潜在空间维度d的确定 | 第93-95页 |
| 4.3.4 额外信息对用户-景点-时间张量分解的影响 | 第95-97页 |
| 4.3.5 景点推荐算法的性能比较 | 第97-100页 |
| 4.4 本章小结 | 第100-101页 |
| 5 基于动态主题模型和矩阵分解的旅游景点推荐 | 第101-122页 |
| 5.1 引言 | 第101页 |
| 5.2 本章研究具体内容 | 第101-112页 |
| 5.2.1 研究问题定义 | 第101-102页 |
| 5.2.2 研究框架 | 第102-103页 |
| 5.2.3 用户旅行偏爱推断 | 第103页 |
| 5.2.4 旅游景点挖掘 | 第103-104页 |
| 5.2.5 用户-景点矩阵建立 | 第104-105页 |
| 5.2.6 基于多个数据集的用户和景点显式特征的提取 | 第105-109页 |
| 5.2.7 基于动态主题模型的用户和景点隐式特征的提取 | 第109-110页 |
| 5.2.8 用户-用户以及景点-景点相似性矩阵的建立 | 第110-111页 |
| 5.2.9 用户-景点矩阵的分解 | 第111-112页 |
| 5.3 实验与结果分析 | 第112-121页 |
| 5.3.1 数据集 | 第112-113页 |
| 5.3.2 实验设置 | 第113-114页 |
| 5.3.3 动态主题模型中主题个数k的确定 | 第114-115页 |
| 5.3.4 用户-景点矩阵分解中潜在低维空间维度d的确定 | 第115-116页 |
| 5.3.5 用户和景点显式以及隐式特征信息在景点推荐算法中的影响 | 第116-117页 |
| 5.3.6 算法性能评估 | 第117-121页 |
| 5.4 本章小结 | 第121-122页 |
| 6 总结与展望 | 第122-125页 |
| 6.1 总结 | 第122-124页 |
| 6.2 展望 | 第124-125页 |
| 参考文献 | 第125-135页 |
| 攻读博士学位期间主要的研究成果 | 第135-136页 |
| 致谢 | 第136页 |
