LBSN中的多维度兴趣点推荐
| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究的背景与意义 | 第13-15页 |
| 1.2 相关研究现状 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-17页 |
| 1.4 论文组织结构 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 相关理论介绍 | 第19-35页 |
| 2.1 LBSN | 第19-23页 |
| 2.1.1 LBSN发展及服务 | 第19-21页 |
| 2.1.2 签到数据的多维信息 | 第21-23页 |
| 2.2 推荐技术与算法 | 第23-30页 |
| 2.2.1 基于内容推荐算法 | 第24-26页 |
| 2.2.2 协同过滤推荐算法 | 第26-30页 |
| 2.3 PageRank算法 | 第30-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 多维度兴趣点推荐 | 第35-51页 |
| 3.1 问题定义 | 第35-36页 |
| 3.2 基本概念 | 第36-38页 |
| 3.3 兴趣点推荐的框架 | 第38-39页 |
| 3.4 基于空间维度的预处理 | 第39-42页 |
| 3.5 多维度主观评分预测模型 | 第42-45页 |
| 3.5.1 引入类别维度的分析 | 第42-43页 |
| 3.5.2 引入时间维度的分析 | 第43-44页 |
| 3.5.3 引入流行维度的分析 | 第44-45页 |
| 3.6 多维度客观评分预测模型 | 第45-47页 |
| 3.6.1 引入社交维度的分析 | 第45-46页 |
| 3.6.2 引入类别维度的分析 | 第46-47页 |
| 3.7 多维度联合推荐算法 | 第47-48页 |
| 3.8 本章小结 | 第48-51页 |
| 第四章 实验设计与实验分析 | 第51-61页 |
| 4.1 实验设定 | 第51-53页 |
| 4.1.1 数据集描述 | 第51-52页 |
| 4.1.2 评价指标 | 第52-53页 |
| 4.2 实验参数选择 | 第53-56页 |
| 4.2.1 预处理距离阈值d的选取 | 第53-54页 |
| 4.2.2 多维度联合推荐算法参数a选取 | 第54-56页 |
| 4.3 实验结果与分析 | 第56-59页 |
| 4.3.1 比较的算法 | 第56页 |
| 4.3.2 实验性能比较 | 第56-58页 |
| 4.3.3 实验开销比较 | 第58-59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 全文总结 | 第61-62页 |
| 5.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
