基于签到数据的餐厅推荐技术研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9页 |
| 1.2 个性化推荐研究与LBS服务 | 第9-15页 |
| 1.2.1 个性化推荐研究 | 第10-12页 |
| 1.2.2 LBS应用 | 第12-14页 |
| 1.2.3 存在的问题和挑战 | 第14-15页 |
| 1.3 研究内容与方法 | 第15页 |
| 1.4 论文组织 | 第15-17页 |
| 第2章 相关理论与技术概述 | 第17-29页 |
| 2.1 基于位置的社交网络 | 第17-19页 |
| 2.1.1 LBSN的层次结构 | 第17-18页 |
| 2.1.2 LBSN中的推荐系统 | 第18-19页 |
| 2.2 个性化推荐的方法与评价标准 | 第19-26页 |
| 2.2.1 基于内容过滤的推荐 | 第20-22页 |
| 2.2.2 基于协同过滤的推荐 | 第22-24页 |
| 2.2.3 推荐系统的评价标准 | 第24-26页 |
| 2.3 相关技术概述 | 第26-27页 |
| 2.3.1 朴素贝叶斯分类 | 第26-27页 |
| 2.3.2 TFIDF分类 | 第27页 |
| 2.4 小结 | 第27-29页 |
| 第3章 基于内容过滤的餐厅推荐方法 | 第29-43页 |
| 3.1 签到数据的特征和获取 | 第29-33页 |
| 3.1.1 签到数据的特征 | 第29-30页 |
| 3.1.2 签到数据的获取 | 第30-33页 |
| 3.2 餐厅属性的特征和获取 | 第33-34页 |
| 3.3 餐厅推荐方法 | 第34-39页 |
| 3.3.1 用户行为分析 | 第34-35页 |
| 3.3.2 用户兴趣建模 | 第35-38页 |
| 3.3.3 基于内容过滤的推荐方法 | 第38-39页 |
| 3.4 评估实验 | 第39-42页 |
| 3.4.1 实验设计与实现 | 第39页 |
| 3.4.2 评估指标 | 第39-40页 |
| 3.4.3 餐厅推荐方法评估与比较 | 第40-42页 |
| 3.5 小结 | 第42-43页 |
| 第4章 基于协同过滤和用户模型混合的餐厅推荐方法 | 第43-59页 |
| 4.1 基于时间的签到概率模型 | 第43-48页 |
| 4.1.1 用户签到时间分析 | 第43-44页 |
| 4.1.2 基于时间改进的协同过滤模型 | 第44-48页 |
| 4.2 基于餐厅类别改进的用户兴趣模型 | 第48-50页 |
| 4.3 混合餐厅推荐方法 | 第50-54页 |
| 4.3.1 用户查询点的定义 | 第50-52页 |
| 4.3.2 混合推荐模型 | 第52-54页 |
| 4.4 评估实验 | 第54-58页 |
| 4.4.1 实验设计与实现 | 第54页 |
| 4.4.2 评估指标 | 第54-55页 |
| 4.4.4 推荐算法评估 | 第55-58页 |
| 4.5 小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-61页 |
| 5.1 本文工作总结 | 第59-60页 |
| 5.2 未来工作展望 | 第60-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 硕士学位论文详细摘要 | 第68-71页 |
