| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状及存在的问题 | 第11-12页 |
| 1.3 研究内容 | 第12-14页 |
| 1.3.1 用户签到行为的特性研究 | 第12-13页 |
| 1.3.2 行为倾向性研究 | 第13页 |
| 1.3.3 用户相似度研究 | 第13-14页 |
| 1.3.4 行为预测模型的研究 | 第14页 |
| 1.4 研究成果 | 第14-15页 |
| 1.5 本文组织结构 | 第15-16页 |
| 第二章 相关技术及理论基础 | 第16-26页 |
| 2.1 基于地理位置的社交网络 | 第16-17页 |
| 2.2 位置预测技术 | 第17-20页 |
| 2.2.1 研究现状 | 第17-18页 |
| 2.2.2 预测方法 | 第18-19页 |
| 2.2.3 应用研究 | 第19-20页 |
| 2.3 复杂网络 | 第20-25页 |
| 2.3.1 基本概念 | 第21-22页 |
| 2.3.2 网络拓扑结构 | 第22-24页 |
| 2.3.3 网络机制模型 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于用户签到行为倾向性的位置预测算法 | 第26-48页 |
| 3.1 签到数据 | 第26-33页 |
| 3.1.1 签到数据详情 | 第27页 |
| 3.1.2 签到数据格式处理 | 第27-28页 |
| 3.1.3 签到数据分布特征 | 第28-33页 |
| 3.2 基于签到数据的用户行为分析 | 第33-36页 |
| 3.2.1 空间特性 | 第34页 |
| 3.2.2 时间特性 | 第34-36页 |
| 3.3 基于用户行为特征的位置预测模型 | 第36-42页 |
| 3.3.1 传统位置预测模型 | 第36-37页 |
| 3.3.2 基于强特征倾向选择的位置预测算法 | 第37-42页 |
| 3.4 实验与结果分析 | 第42-45页 |
| 3.4.1 实验数据集 | 第42页 |
| 3.4.2 评估指标 | 第42-44页 |
| 3.4.3 结果分析 | 第44-45页 |
| 3.5 本章小结 | 第45-48页 |
| 第四章 基于移动轨迹及社交关系聚类的位置预测算法 | 第48-64页 |
| 4.1 轨迹模式和社交关系的研究与建模 | 第48-53页 |
| 4.1.1 轨迹模式研究与建模 | 第48-51页 |
| 4.1.2 社交关系研究与建模 | 第51-53页 |
| 4.2 社团发现概述 | 第53-56页 |
| 4.2.1 社团结构的定义 | 第53-54页 |
| 4.2.2 模块性Q函数 | 第54-55页 |
| 4.2.3 社团发现算法Louvain | 第55-56页 |
| 4.3 基于社团发现的位置预测模型 | 第56-62页 |
| 4.3.1 位置预测模型的框架设计 | 第56-58页 |
| 4.3.2 两种社团发现策略下的位置预测算法 | 第58-61页 |
| 4.3.3 实验仿真与结果分析 | 第61-62页 |
| 4.4 本章小结 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.1.1 基于用户签到行为倾向性的位置预测算法 | 第64页 |
| 5.1.2 基于移动轨迹及社交关系聚类的位置预测算法 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 致谢 | 第72-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |