| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 1 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 个性化推荐系统的研究现状 | 第13-14页 |
| 1.2.2 智慧旅游的研究现状 | 第14-15页 |
| 1.3 论文主要工作 | 第15页 |
| 1.4 论文组织结构 | 第15-17页 |
| 2 相关理论与技术支持 | 第17-28页 |
| 2.1 数据挖掘 | 第17-18页 |
| 2.1.1 数据挖掘的过程 | 第17页 |
| 2.1.2 基本的数据挖掘方法 | 第17-18页 |
| 2.2 关联规则涉及的概念和分类方法 | 第18-19页 |
| 2.2.1 项集和支持度计数 | 第18页 |
| 2.2.2 支持度、置信度和频繁项集 | 第18页 |
| 2.2.3 关联规则的分类 | 第18-19页 |
| 2.3 关联规则的相关算法 | 第19-21页 |
| 2.3.1 Apriori算法 | 第19-21页 |
| 2.3.2 FP_growth算法 | 第21页 |
| 2.4 推荐系统概述 | 第21-22页 |
| 2.5 常用的几种主要推荐方法 | 第22-27页 |
| 2.5.1 基于内容的推荐 | 第22-23页 |
| 2.5.2 基于协同过滤的推荐 | 第23-25页 |
| 2.5.3 基于知识的推荐 | 第25页 |
| 2.5.4 基于关联规则的推荐 | 第25-26页 |
| 2.5.5 组合推荐 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 3 个性化推荐模型的构建及数据的获取与分析处理 | 第28-35页 |
| 3.1 推荐系统模型的构建 | 第28-30页 |
| 3.1.1 用户建模和景点推荐系统结构 | 第28-29页 |
| 3.1.2 个性化推荐模型 | 第29-30页 |
| 3.2 数据的获取和分析处理 | 第30-34页 |
| 3.2.1 数据的获取 | 第30-32页 |
| 3.2.2 数据的分析处理 | 第32-34页 |
| 3.3 本章小结 | 第34-35页 |
| 4 智慧旅游景点推荐的算法设计 | 第35-45页 |
| 4.1 关联规则算法分析 | 第35-38页 |
| 4.1.1 FP_growth算法实例 | 第36-37页 |
| 4.1.2 FP_growth算法的缺陷及改进方法 | 第37-38页 |
| 4.2 改进的FP_growth算法 | 第38-41页 |
| 4.2.1 项合并的剪枝策略 | 第38-39页 |
| 4.2.2 多最小支持度加权策略 | 第39-41页 |
| 4.3 景点推荐算法设计 | 第41-44页 |
| 4.3.1 景点的加权方法设计 | 第41-44页 |
| 4.3.2 基于游客兴趣度的推荐算法设计 | 第44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 景点推荐的实验分析及系统功能展示 | 第45-55页 |
| 5.1 推荐系统的评价指标 | 第45-48页 |
| 5.1.1 准确度指标 | 第45-46页 |
| 5.1.2 基于排序加权的指标 | 第46-47页 |
| 5.1.3 多样性指标 | 第47-48页 |
| 5.1.4 用户满意度 | 第48页 |
| 5.2 实验结果分析 | 第48-53页 |
| 5.2.1 算法实例演示 | 第48-50页 |
| 5.2.2 景点推荐实例 | 第50-51页 |
| 5.2.3 测试结果 | 第51-53页 |
| 5.3 系统功能展示 | 第53-54页 |
| 5.4 本章小结 | 第54-55页 |
| 6 总结与展望 | 第55-57页 |
| 6.1 论文工作总结 | 第55页 |
| 6.2 今后工作展望 | 第55-57页 |
| 7 参考文献 | 第57-60页 |
| 致谢 | 第60页 |