基于社交网络的个体及群体兴趣点推荐研究
| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 位置推荐 | 第11-14页 |
| 1.2.2 群体推荐 | 第14-15页 |
| 1.3 本文的主要工作 | 第15-17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第二章 相关概念和技术 | 第18-28页 |
| 2.1 相关概念 | 第18-20页 |
| 2.1.1 社交网络 | 第18-20页 |
| 2.1.2 基础定义 | 第20页 |
| 2.2 协同过滤推荐算法 | 第20-24页 |
| 2.2.1 基于存储的协同过滤 | 第21-23页 |
| 2.2.2 基于模型的协同过滤 | 第23-24页 |
| 2.3 概率主题模型LDA | 第24-26页 |
| 2.3.1 LDA建模 | 第24-25页 |
| 2.3.2 Gibbs采样 | 第25-26页 |
| 2.4 核密度估计 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于层次结构的个体兴趣点推荐 | 第28-46页 |
| 3.1 引言 | 第28-30页 |
| 3.2 问题分析与定义 | 第30-31页 |
| 3.3 分层地理空间矩阵分解模型HGMF | 第31-35页 |
| 3.3.1 加权矩阵分解WMF | 第31-32页 |
| 3.3.2 融入地理位置信息 | 第32-33页 |
| 3.3.3 探索层次结构 | 第33-35页 |
| 3.4 模型参数估计 | 第35-40页 |
| 3.4.1 平面矩阵学习 | 第35-37页 |
| 3.4.2 层次矩阵估计 | 第37-40页 |
| 3.5 实验与结果分析 | 第40-45页 |
| 3.5.1 实验数据集与设置 | 第40-42页 |
| 3.5.2 实验结果分析 | 第42-45页 |
| 3.6 本章小结 | 第45-46页 |
| 第四章 基于生成模型的群体兴趣点推荐 | 第46-63页 |
| 4.1 引言 | 第46-48页 |
| 4.2 问题分析与定义 | 第48-49页 |
| 4.3 位置社交群体生成模型GSGR | 第49-53页 |
| 4.3.1 构建群体生成模型 | 第49-53页 |
| 4.3.2 融入地理位置信息 | 第53页 |
| 4.4 模型参数估计 | 第53-55页 |
| 4.5 推荐策略 | 第55-56页 |
| 4.6 实验与结果分析 | 第56-62页 |
| 4.6.1 实验数据集与设置 | 第56-58页 |
| 4.6.2 实验结果分析 | 第58-62页 |
| 4.7 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 工作总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 攻读硕士学位期间的科研成果与科研项目 | 第72-73页 |
| 致谢 | 第73-74页 |
