基于潜在兴趣和地理因素的个性化兴趣点推荐研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.3 研究目标和研究内容 | 第13-14页 |
| 1.4 本文的结构 | 第14-15页 |
| 1.5 本章小结 | 第15-16页 |
| 2 基于位置社交网络的相关概念和内容 | 第16-24页 |
| 2.1 基于位置社交网络 | 第16-17页 |
| 2.1.1 在线社交网络 | 第16页 |
| 2.1.2 基于位置的服务 | 第16-17页 |
| 2.2 基于位置的社交网络的层次结构 | 第17-20页 |
| 2.3 位置推荐基本框架 | 第20-22页 |
| 2.4 兴趣点推荐研究现状 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 PC-GEO模型中的基本概念和技术 | 第24-31页 |
| 3.1 基本符号 | 第24页 |
| 3.2 协同过滤技术 | 第24-25页 |
| 3.3 矩阵分解技术 | 第25-26页 |
| 3.4 核密度估计 | 第26-27页 |
| 3.4.1 核密度估计的优势 | 第26-27页 |
| 3.4.2 核密度估计的公式 | 第27页 |
| 3.5 地理空间距离的计算 | 第27-28页 |
| 3.6 相关用户的定义和分析 | 第28-30页 |
| 3.7 本章小结 | 第30-31页 |
| 4 PC-GEO推荐模型 | 第31-42页 |
| 4.1 相关用户建模 | 第32-35页 |
| 4.2 地理信息建模 | 第35-37页 |
| 4.3 潜在兴趣点选择策略 | 第37-39页 |
| 4.3.1 最大值选择策略 | 第38页 |
| 4.3.2 元路径选择策略 | 第38-39页 |
| 4.4 矩阵分解和地理因素的融合 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 5 实验设计和评价 | 第42-51页 |
| 5.1 数据集 | 第42-43页 |
| 5.2 评价指标 | 第43页 |
| 5.3 实验结果 | 第43-49页 |
| 5.3.1 和不同推荐算法比较 | 第43-47页 |
| 5.3.2 对潜在签到兴趣点概率取值的研究 | 第47-48页 |
| 5.3.3 潜在兴趣点选择策略的对比 | 第48-49页 |
| 5.3.4 与随机兴趣点推荐的对比 | 第49页 |
| 5.4 本章小结 | 第49-51页 |
| 6 总结和展望 | 第51-53页 |
| 6.1 工作总结 | 第51-52页 |
| 6.2 工作展望 | 第52-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 附录 | 第59页 |
| A.作者在攻读学位期间成果目录 | 第59页 |
| B.作者在攻读学位期间参加的项目 | 第59页 |
