| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.2 研究内容 | 第13-14页 |
| 1.3 主要贡献和创新点 | 第14页 |
| 1.4 论文组织架构 | 第14-16页 |
| 第二章 位置推广相关研究综述 | 第16-29页 |
| 2.1 影响力最大化 | 第16-20页 |
| 2.1.1 传统社交网络中的影响力最大化算法 | 第16-18页 |
| 2.1.2 LBSN中的影响力最大化算法 | 第18-20页 |
| 2.2 传播模型 | 第20-23页 |
| 2.2.1 传统社交网络中的传播模型 | 第20-21页 |
| 2.2.2 LBSN中的传播模型 | 第21-23页 |
| 2.3 社交网络中的社区发现 | 第23-25页 |
| 2.4 用户行为预测 | 第25-26页 |
| 2.5 兴趣点推荐 | 第26-27页 |
| 2.6 本章小结 | 第27-29页 |
| 第三章 MFICM传播模型 | 第29-39页 |
| 3.1 问题描述 | 第29-30页 |
| 3.2 基础准备 | 第30-31页 |
| 3.2.1 LBSN网络定义 | 第30-31页 |
| 3.2.2 MFICM传播模型定义 | 第31页 |
| 3.3 激活规则 | 第31页 |
| 3.4 传播概率P(u,v|l) | 第31-37页 |
| 3.4.1 考虑用户对位置访问概率的传播概率P_v | 第32-35页 |
| 3.4.2 结合用户间签到相似度的传播概率P_(sv) | 第35-36页 |
| 3.4.3 结合传播者影响力的传播概率P_(isv) | 第36-37页 |
| 3.5 终止条件 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 融合用户兴趣的两阶段位置推广算法TLPUI | 第39-49页 |
| 4.1 位置推广问题定义 | 第39页 |
| 4.2 TLPUI算法 | 第39-47页 |
| 4.2.1 TLPUI算法框架 | 第40-41页 |
| 4.2.2 社区划分 | 第41-42页 |
| 4.2.3 第一阶段:候选种子选择 | 第42-44页 |
| 4.2.4 第二阶段:最终种子选择 | 第44-47页 |
| 4.3 本章小结 | 第47-49页 |
| 第五章 实验评估 | 第49-61页 |
| 5.1 实验方案 | 第49-51页 |
| 5.1.1 数据集 | 第49页 |
| 5.1.2 评估指标 | 第49-50页 |
| 5.1.3 对比方案 | 第50-51页 |
| 5.1.4 实验方案 | 第51页 |
| 5.2 实验结果和分析 | 第51-60页 |
| 5.2.1 用户访问概率预测效果 | 第51-52页 |
| 5.2.2 MFICM传播模型的影响范围、准确率和覆盖率 | 第52-55页 |
| 5.2.3 TLPUI的选种算法效果对比 | 第55-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间取得的研究成果 | 第68页 |
