| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 研究现状 | 第12-14页 |
| 1.2.1 社交网络的发展现状 | 第12-13页 |
| 1.2.2 位置推荐技术的研究现状 | 第13-14页 |
| 1.3 问题提出 | 第14-15页 |
| 1.4 本文研究内容 | 第15-16页 |
| 1.5 本文组织结构 | 第16-17页 |
| 第2章 预备知识和相关工作 | 第17-31页 |
| 2.1 位置社交网络 | 第17-18页 |
| 2.2 个性化推荐系统 | 第18-20页 |
| 2.3 协同过滤 | 第20-26页 |
| 2.3.1 概念及原理 | 第20-21页 |
| 2.3.2 优缺点 | 第21-22页 |
| 2.3.3 分类及其应用 | 第22-26页 |
| 2.4 序列模式挖掘 | 第26-27页 |
| 2.5 隐马尔可夫模型 | 第27-28页 |
| 2.6 相似度计算 | 第28-29页 |
| 2.7 本章小结 | 第29-31页 |
| 第3章 基于位置社交网络的推荐系统数据模型和系统框架 | 第31-37页 |
| 3.1 数据模型 | 第31-33页 |
| 3.2 系统框架 | 第33-35页 |
| 3.3 本章小结 | 第35-37页 |
| 第4章 位置社交网络中集成信任和个人偏好的位置推荐方法 | 第37-53页 |
| 4.1 离线的数据处理 | 第37-48页 |
| 4.1.1 用户背景知识获取 | 第37-41页 |
| 4.1.2 用户间信任度的计算 | 第41-44页 |
| 4.1.3 用户个人偏好的计算 | 第44-48页 |
| 4.2 线上位置的推荐 | 第48-52页 |
| 4.2.1 候选推荐专家的选择 | 第48-50页 |
| 4.2.2 候选推荐位置得分的计算 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第5章 实验分析 | 第53-65页 |
| 5.1 实验设置 | 第53-55页 |
| 5.1.1 基本设置 | 第53页 |
| 5.1.2 实验数据集 | 第53-55页 |
| 5.2 评价方法的制定 | 第55-57页 |
| 5.3 位置推荐性能评估 | 第57-64页 |
| 5.3.1 位置推荐准确性评估 | 第57-63页 |
| 5.3.2 推荐效率评估 | 第63-64页 |
| 5.4 本章小结 | 第64-65页 |
| 第6章 结论 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 未来工作 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-73页 |
| 攻读硕士学位期间的论文项目情况 | 第73页 |