摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-19页 |
1.1 研究背景及意义 | 第11-13页 |
1.1.1 研究背景 | 第11-12页 |
1.1.2 研究意义 | 第12-13页 |
1.2 研究现状 | 第13-15页 |
1.2.1 基于时空情境的旅游活动发现的国内外研究现状 | 第13-14页 |
1.2.2 游客时序旅游活动模式挖掘的国内外研究现状 | 第14-15页 |
1.3 研究内容 | 第15-17页 |
1.3.1 基于时空情境的旅游大数据的采集与分析 | 第15-16页 |
1.3.2 基于改进主题模型旅游活动识别与发现的研究 | 第16页 |
1.3.3 基于时空大数据游客行为模式挖掘的研究 | 第16页 |
1.3.4 游客行为模式挖掘与旅游活动发现系统的实现 | 第16-17页 |
1.4 论文总体结构 | 第17-19页 |
第二章 相关技术 | 第19-28页 |
2.1 文本分类 | 第19-23页 |
2.1.1 文本表示模型 | 第19-20页 |
2.1.2 文本特征表示 | 第20-21页 |
2.1.3 文本特征降维 | 第21页 |
2.1.4 文本分类 | 第21-23页 |
2.2 文本主题模型 | 第23-26页 |
2.2.1 主题模型发展 | 第23页 |
2.2.2 LSI模型 | 第23-24页 |
2.2.3 pLSI模型 | 第24-25页 |
2.2.4 LDA模型 | 第25-26页 |
2.3 基于时间序列挖掘 | 第26-27页 |
2.3.1 基于时间序列挖掘的概述 | 第26-27页 |
2.3.2 时间序列模式挖掘 | 第27页 |
2.4 本章小结 | 第27-28页 |
第三章 基于时空情境的旅游大数据的采集与分析 | 第28-37页 |
3.1 基于时空情境的旅游大数据的采集与分析总体框架 | 第28-29页 |
3.2 ICAPC算法的提出 | 第29-31页 |
3.3 基于ICAPC算法的文本特征处理 | 第31-32页 |
3.4 ICAPC的算法描述 | 第32-33页 |
3.4.1 ICAPC算法的决策表构建 | 第32页 |
3.4.2 ICAPC算法的属性约简 | 第32-33页 |
3.5 基于ICAPC的旅游大数据的采集与分析实验结果及分析 | 第33-36页 |
3.6 本章小结 | 第36-37页 |
第四章 基于时空情境的旅游活动识别与发现的研究 | 第37-46页 |
4.1 TATM模型的提出 | 第37-39页 |
4.2 TATM模型的参数计算 | 第39-40页 |
4.3 TATM模型的算法描述 | 第40-41页 |
4.4 TATM模型的困惑度 | 第41页 |
4.5 基于TATM模型的旅游活动识别与发现的应用 | 第41-42页 |
4.6 基于TATM模型的旅游活动识别与发现的实验结果分析 | 第42-45页 |
4.6.1 实验数据及系统环境 | 第42页 |
4.6.2 基于TATM模型的旅游活动识别与发现实验结果分析 | 第42-45页 |
4.7 本章小结 | 第45-46页 |
第五章 基于时空情境的游客行为模式挖掘的研究 | 第46-54页 |
5.1 ARMTBP算法的提出 | 第46-49页 |
5.2 ARMTBP算法的描述 | 第49-50页 |
5.3 基于ARMTBP算法的游客行为挖掘算法的实验结果及分析 | 第50-53页 |
5.3.1 实验环境及数据 | 第50页 |
5.3.2 ARMTBP算法的实验结果与分析 | 第50-53页 |
5.4 本章小结 | 第53-54页 |
第六章 基于时空情境的旅游活动发现与行为模式挖掘系统的实现 | 第54-66页 |
6.1 系统的总体设计 | 第54-55页 |
6.2 系统设计过程与结果 | 第55-63页 |
6.2.1 系统设计过程 | 第55-60页 |
6.2.2 系统的实现结果 | 第60-63页 |
6.3 系统测试 | 第63-65页 |
6.3.1 测试环境 | 第63页 |
6.3.2 测试方法 | 第63-65页 |
6.4 本章小结 | 第65-66页 |
第七章 总结与展望 | 第66-68页 |
7.1 总结 | 第66-67页 |
7.2 展望 | 第67-68页 |
参考文献 | 第68-77页 |
致谢 | 第77-78页 |
攻读学位期间研究成果 | 第78页 |