个性化旅游景点推荐研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 论文研究背景及意义 | 第8-10页 |
| 1.1.1 论文研究背景 | 第8-10页 |
| 1.1.2 论文研究意义 | 第10页 |
| 1.2 旅游景点推荐方法研究现状 | 第10-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 论文组织结构 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第二章 相关理论概述 | 第15-24页 |
| 2.1 推荐算法 | 第15-19页 |
| 2.1.1 基于协同过滤的推荐 | 第15-18页 |
| 2.1.2 基于内容的推荐 | 第18-19页 |
| 2.1.3 混合推荐 | 第19页 |
| 2.2 基于位置社交网络的推荐 | 第19-22页 |
| 2.2.1 在线社交网络 | 第19-20页 |
| 2.2.2 位置社交网络 | 第20-21页 |
| 2.2.3 位置社交网络的推荐 | 第21-22页 |
| 2.3 推荐系统面临的问题 | 第22页 |
| 2.3.1 冷启动问题 | 第22页 |
| 2.3.2 数据稀疏性问题 | 第22页 |
| 2.4 聚类算法 | 第22-23页 |
| 2.4.1 耦合双向聚类算法 | 第22-23页 |
| 2.4.2 DBSCAN算法 | 第23页 |
| 2.5 本章总结 | 第23-24页 |
| 第三章 基于社交网络的个性化景点推荐算法 | 第24-34页 |
| 3.1 位置社交网络的景点推荐面临的挑战 | 第24页 |
| 3.2 算法描述 | 第24-25页 |
| 3.3 算法处理过程 | 第25-28页 |
| 3.3.1 用户聚类 | 第25-26页 |
| 3.3.2 景点聚类 | 第26-27页 |
| 3.3.3 目标函数 | 第27-28页 |
| 3.4 实验与分析 | 第28-33页 |
| 3.4.1 实验数据集 | 第28-29页 |
| 3.4.2 实验评测指标 | 第29页 |
| 3.4.3 实验结果与分析 | 第29-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 基于贝叶斯网络学习的个性化景点推荐算法 | 第34-42页 |
| 4.1 贝叶斯网络介绍 | 第34-36页 |
| 4.1.1 贝叶斯算法 | 第35页 |
| 4.1.2 贝叶斯概率模型在景点推荐中的应用 | 第35-36页 |
| 4.2 算法描述 | 第36页 |
| 4.3 算法处理过程 | 第36-39页 |
| 4.3.1 相关定义 | 第36-37页 |
| 4.3.2 用户处理过程 | 第37-38页 |
| 4.3.3 景点处理过程 | 第38-39页 |
| 4.4 实验与分析 | 第39-41页 |
| 4.4.1 数据集介绍 | 第39页 |
| 4.4.2 实验结果与分析 | 第39-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 总结与展望 | 第42-43页 |
| 5.1 本文总结 | 第42页 |
| 5.2 未来工作展望 | 第42-43页 |
| 参考文献 | 第43-47页 |
| 发表论文和科研情况说明 | 第47-48页 |
| 致谢 | 第48页 |
