基于位置社交网络的用户行为建模与研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 论文研究背景 | 第13-16页 |
| 1.1.1 位置数据信息 | 第14-15页 |
| 1.1.2 位置数据的特性 | 第15-16页 |
| 1.1.3 兴趣点推荐和位置预测 | 第16页 |
| 1.2 研究问题与挑战 | 第16-17页 |
| 1.3 研究内容 | 第17-18页 |
| 1.4 本文组织结构 | 第18-19页 |
| 第2章 相关工作概述 | 第19-28页 |
| 2.1 兴趣点推荐系统 | 第19-25页 |
| 2.1.1 传统的推荐系统 | 第19-22页 |
| 2.1.2 兴趣点推荐系统 | 第22-25页 |
| 2.2 位置预测 | 第25-27页 |
| 2.2.1 基于序列模式的位置预测 | 第25-26页 |
| 2.2.2 基于时间动态性的位置预测 | 第26页 |
| 2.2.3 基于社交关联性的位置预测 | 第26页 |
| 2.2.4 混合角度下的位置预测 | 第26-27页 |
| 2.3 表示学习 | 第27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于多源异构信息的混合兴趣点推荐模型 | 第28-47页 |
| 3.1 引言 | 第28-31页 |
| 3.2 问题定义 | 第31-32页 |
| 3.3 模型部分的构建和详述 | 第32-41页 |
| 3.3.1 用户虚拟兴趣建模 | 第32-35页 |
| 3.3.2 用户对兴趣点地理实际的距离度量 | 第35-37页 |
| 3.3.3 用户对于兴趣点的心理认同度 | 第37-38页 |
| 3.3.4 混合兴趣点推荐模型 | 第38-39页 |
| 3.3.5 模型优化与推导 | 第39-40页 |
| 3.3.6 推荐过程 | 第40-41页 |
| 3.4 实验结果与分析 | 第41-46页 |
| 3.4.1 数据集及数据筛选 | 第41-42页 |
| 3.4.2 评测指标 | 第42页 |
| 3.4.3 与基准算法的对比实验 | 第42-44页 |
| 3.4.4 调参实验 | 第44-45页 |
| 3.4.5 模型健壮性 | 第45-46页 |
| 3.5 本章小结 | 第46-47页 |
| 第4章 基于签到序列的位置预测模型 | 第47-63页 |
| 4.1 引言 | 第47-51页 |
| 4.2 问题定义 | 第51页 |
| 4.3 模型部分详细构建 | 第51-60页 |
| 4.3.1 基于区域的签到地点空间分布模型 | 第52-54页 |
| 4.3.2 基于随机游走的邻近关系建模 | 第54-56页 |
| 4.3.3 基于签到序列的建模 | 第56-59页 |
| 4.3.4 模型优化与求解 | 第59-60页 |
| 4.3.5 位置预测 | 第60页 |
| 4.4 实验结果与分析 | 第60-62页 |
| 4.4.1 数据集与数据筛选 | 第60-61页 |
| 4.4.2 评测指标 | 第61页 |
| 4.4.3 与基准算法对比实验 | 第61-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-66页 |
| 5.1 本文总结 | 第63-65页 |
| 5.2 研究展望 | 第65-66页 |
| 参考文献 | 第66-73页 |
| 致谢 | 第73-75页 |
| 在读期间发表的学术论文与取得的研究成果 | 第75页 |
