| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第12-19页 |
| 1.1 研究背景及研究意义 | 第12-13页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 研究现状及发展趋势 | 第13-17页 |
| 1.2.1 主题模型研究现状 | 第13-15页 |
| 1.2.2 Skyline查询研究现状 | 第15-17页 |
| 1.3 研究内容及创新点 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 2 相关技术研究 | 第19-29页 |
| 2.1 主题模型相关技术 | 第19-23页 |
| 2.2 Skyline查询算法 | 第23-26页 |
| 2.3 k-支配Skyline查询算法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 基于PKLDA模型的景点知识聚类 | 第29-40页 |
| 3.1 先验知识的获取 | 第29-30页 |
| 3.2 PKLDA模型的构建 | 第30-33页 |
| 3.3 吉布斯采样 | 第33-34页 |
| 3.4 基于k-means的景点聚类 | 第34-35页 |
| 3.5 构建用户兴趣偏好模型 | 第35-36页 |
| 3.6 实验与结果分析 | 第36-39页 |
| 3.7 本章小结 | 第39-40页 |
| 4 面向动态数据集的k-支配Skyline查询算法 | 第40-54页 |
| 4.1 相关定义 | 第40-41页 |
| 4.2 静态数据集的k-支配Skyline点计算 | 第41-47页 |
| 4.2.1 数据预处理 | 第42-44页 |
| 4.2.2 k-支配Skyline算法 | 第44-47页 |
| 4.3 更新点支配能力的判定 | 第47-48页 |
| 4.4 动态数据集的k-支配Skyline点计算 | 第48-49页 |
| 4.5 实验及结果分析 | 第49-53页 |
| 4.5.1 合成数据集 | 第49-52页 |
| 4.5.2 真实数据集 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 总结与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60页 |
| 在读期间发表的论文及参与的项目 | 第60页 |
| 发表论文 | 第60页 |
| 参与项目 | 第60页 |