| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 引言 | 第8-12页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 本文工作介绍与创新 | 第9-11页 |
| 1.2.1 本文工作 | 第9-11页 |
| 1.3 本文结构 | 第11-12页 |
| 1.4 本章小结 | 第12页 |
| 2 相关工作和技术研究 | 第12-22页 |
| 2.1 文本挖掘与推荐算法的国内外研究 | 第12-14页 |
| 2.1.1 文本挖掘算法的相关研究 | 第12-14页 |
| 2.1.2 旅游推荐算法的相关研究 | 第14页 |
| 2.2 文本挖掘技术研究 | 第14-19页 |
| 2.2.1 TF-IDF算法 | 第14-15页 |
| 2.2.2 主题模型 | 第15-17页 |
| 2.2.3 聚类分析 | 第17-19页 |
| 2.3 推荐算法介绍 | 第19-22页 |
| 2.3.1 基于内容的推荐算法 | 第19-20页 |
| 2.3.2 基于关联规则的挖掘算法 | 第20-22页 |
| 2.4 本章小结 | 第22页 |
| 3 推荐系统关键数据获取 | 第22-32页 |
| 3.1 景点信息的提取 | 第22-25页 |
| 3.1.1 景点信息的获取 | 第22-23页 |
| 3.1.2 景点情景属性的提取 | 第23-25页 |
| 3.2 景点关键词属性提取 | 第25-31页 |
| 3.2.0 关键词属性的定义 | 第25页 |
| 3.2.1 基于TF-IDF算法的文记特征提取 | 第25-26页 |
| 3.2.2 基于LDA主题模型的景点类主题提取 | 第26-28页 |
| 3.2.3 基于K-means聚类算法的景点聚类 | 第28-30页 |
| 3.2.4 关键词属性生成 | 第30页 |
| 3.2.5 用户兴趣与情景上下文的获取 | 第30-31页 |
| 3.3 旅游文记地理名词获取 | 第31-32页 |
| 3.4 本章小结 | 第32页 |
| 4 旅游景点推荐算法设计 | 第32-39页 |
| 4.1 基于景点内容的推荐算法 | 第32-35页 |
| 4.1.1 景点知识库的建立 | 第32-33页 |
| 4.1.2 基于景点知识库的推荐算法 | 第33-35页 |
| 4.2 基于关联规则的景点推荐算法 | 第35-39页 |
| 4.2.1 关联规则算法应用场景 | 第35-36页 |
| 4.2.2 基于Apriori的推荐算法 | 第36-37页 |
| 4.2.3 基于热度上下文的Apriori推荐算法 | 第37-38页 |
| 4.2.4 实验评判标准与结果 | 第38-39页 |
| 4.3 本章小结 | 第39页 |
| 5 旅游景点推荐系统总体设计 | 第39-48页 |
| 5.1 系统数据库设计 | 第39-43页 |
| 5.1.1 数据库原始信息库 | 第39-40页 |
| 5.1.2 数据库挖掘生成库 | 第40-42页 |
| 5.1.3 数据库系统生成库 | 第42-43页 |
| 5.2 推荐系统整体框架 | 第43-45页 |
| 5.2.1 设计目的 | 第43-44页 |
| 5.2.2 系统应用流程 | 第44-45页 |
| 5.3 系统功能展示 | 第45-47页 |
| 5.3.1 旅游景点查询 | 第45-46页 |
| 5.3.2 个性化推荐 | 第46-47页 |
| 5.4 本章小结 | 第47-48页 |
| 6 总结与展望 | 第48-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 在读期间完成的科研成果目录 | 第56页 |