景区节点驱动的位置微博用户时空行为计算方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 研究综述 | 第10-13页 |
| 1.2.1 基于互联网信息的地理研究 | 第10页 |
| 1.2.2 基于用户行为的地理研究 | 第10-12页 |
| 1.2.3 用户行为的地理学研究方法 | 第12-13页 |
| 1.3 研究内容 | 第13-14页 |
| 1.4 技术路线 | 第14-15页 |
| 2 位置微博用户时空行为特征指标及计算方法 | 第15-30页 |
| 2.1 用户时空行为概念界定及数据统计指标 | 第15-17页 |
| 2.1.1 用户时空行为概念界定 | 第15页 |
| 2.1.2 用户时空行为数据统计指标 | 第15-17页 |
| 2.2 用户时空行为数据数据库的设计 | 第17-24页 |
| 2.3 用户时空行为计算方法 | 第24-30页 |
| 2.3.1 用户中的旅游者识别方法 | 第24-26页 |
| 2.3.2 用户行为时间特征计算方法 | 第26-27页 |
| 2.3.3 用户时空分布特征计算方法 | 第27-28页 |
| 2.3.4 用户空间轨迹计算方法 | 第28-30页 |
| 3 研究区域概况及数据准备 | 第30-34页 |
| 3.1 研究区概况 | 第30-31页 |
| 3.1.1 空间环境分析 | 第30-31页 |
| 3.1.2 时间环境分析 | 第31页 |
| 3.2 数据采集及数据处理 | 第31-34页 |
| 3.2.1 数据采集 | 第31-32页 |
| 3.2.2 数据预处理 | 第32-34页 |
| 4 基于用户行为的景区时空结构分析 | 第34-44页 |
| 4.1 用户时间行为分析 | 第34-38页 |
| 4.1.1 年内变化规律 | 第34-36页 |
| 4.1.2 日内变化规律 | 第36-38页 |
| 4.2 用户时空分布分析 | 第38-42页 |
| 4.2.1 用户空间分布分析 | 第38-40页 |
| 4.2.2 用户时空分布分析 | 第40-42页 |
| 4.3 用户时空行为轨迹分析 | 第42-44页 |
| 5 基于用户行为的外延空间时空结构分析 | 第44-55页 |
| 5.1 用户时间行为分析 | 第44-45页 |
| 5.2 用户空间分布分析 | 第45-49页 |
| 5.2.1 用户区域内分布分析 | 第45-47页 |
| 5.2.2 用户外延区域分布分析 | 第47-49页 |
| 5.3 用户时空行为轨迹分析 | 第49-55页 |
| 5.3.1 基于用户行为的区域内联系分析 | 第49-52页 |
| 5.3.2 基于用户行为的区域间联系分析 | 第52-55页 |
| 6 结论与展望 | 第55-58页 |
| 6.1 研究结论 | 第55-56页 |
| 6.2 论文创新点 | 第56页 |
| 6.3 讨论与展望 | 第56-58页 |
| 参考文献 | 第58-63页 |
| 致谢 | 第63-64页 |
| 攻读学位期间科研成果清单 | 第64页 |
