首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于社会媒体的用户移动轨迹挖掘及其在朋友推荐中的应用研究

摘要第8-9页
Abstract第9-10页
第一章 绪论第11-16页
    1.1 研究背景第11页
    1.2 研究现状第11-14页
        1.2.1 移动轨迹挖掘研究现状第11-13页
        1.2.2 朋友推荐系统研究现状第13-14页
    1.3 研究意义第14页
    1.4 本文的主要工作内容第14-16页
第二章 相关概念及技术第16-21页
    2.1 移动轨迹挖掘简介第16-18页
        2.1.1 基于内容/图像的位置检测第16-17页
        2.1.2 基于朋友关系的位置检测第17-18页
        2.1.3 轨迹挖掘相关技术第18页
    2.2 朋友推荐的相关技术第18-20页
    2.3 本章小结第20-21页
第三章 基于朴素贝叶斯和加权朋友关系的移动轨迹挖掘第21-38页
    3.1 引言第21-22页
    3.2 具体算法与实现第22-30页
        3.2.1 问题定义第22-23页
        3.2.2 位置检测模型第23-27页
        3.2.3 轨迹挖掘模型第27-30页
    3.3 实验结果及分析第30-37页
        3.3.1 数据集第30-31页
        3.3.2 评测指标和对比方法第31页
        3.3.3 实验结果第31-37页
    3.4 本章小结第37-38页
第四章 位置敏感的朋友推荐第38-48页
    4.1 引言第38页
    4.2 具体算法与实现第38-43页
        4.2.1 问题定义第38-40页
        4.2.2 共同兴趣模型第40页
        4.2.3 位置重合度模型第40-41页
        4.2.4 用户活跃程度第41-43页
    4.3 实验结果及分析第43-47页
        4.3.1 数据集第43-44页
        4.3.2 评价指标和对比方法第44页
        4.3.3 实验结果第44-47页
    4.4 本章小结第47-48页
第五章 结论与展望第48-51页
    5.1 本文方法总结第48-49页
    5.2 展望第49-51页
参考文献第51-54页
致谢第54-55页
攻读学位期间发表的学术论文目录第55-56页
攻读学位期间参加的科研项目第56-57页
学位论文评阅及答辩情况表第57页

论文共57页,点击 下载论文
上一篇:基于聚类的海量文档集分布式索引构建方法
下一篇:基于大规模新浪微博数据的都市人群生活方式挖掘