LBSN融合用户群聚度与活跃度的群体推荐方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-13页 |
| 1.1.1 研究背景 | 第9-12页 |
| 1.1.2 研究意义 | 第12-13页 |
| 1.2 研究现状 | 第13-16页 |
| 1.2.1 个性化地点推荐研究现状 | 第13-14页 |
| 1.2.2 群体推荐研究现状 | 第14-16页 |
| 1.3 论文内容和组织结构 | 第16-19页 |
| 1.3.1 论文内容和创新 | 第16-17页 |
| 1.3.2 论文组织结构 | 第17-19页 |
| 第2章 相关技术综述 | 第19-33页 |
| 2.1 基于位置的社交网络 | 第19-24页 |
| 2.1.1 LBSN概述及其研究应用 | 第19-23页 |
| 2.1.2 位置签到服务及其数据特征 | 第23-24页 |
| 2.2 推荐系统 | 第24-31页 |
| 2.2.1 个人推荐系统 | 第24-29页 |
| 2.2.2 群体推荐系统 | 第29-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第3章 LBSN中改进评分策略的兴趣点推荐方法 | 第33-42页 |
| 3.1 引言 | 第33页 |
| 3.2 基于协同过滤算法的兴趣点推荐 | 第33-40页 |
| 3.2.1 用户相似度与最近邻居 | 第33-35页 |
| 3.2.2 兴趣点评分策略 | 第35-40页 |
| 3.2.3 形成推荐 | 第40页 |
| 3.3 推荐结果评价 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 LBSN融合用户群聚度与活跃度的群体推荐 | 第42-51页 |
| 4.1 群体中的决策影响因素 | 第42-43页 |
| 4.2 群聚度加权策略 | 第43-47页 |
| 4.2.1 基于社交图谱的加权 | 第43-45页 |
| 4.2.2 基于用户相似性的加权 | 第45-47页 |
| 4.2.3 群聚度权重设置 | 第47页 |
| 4.3 用户活跃度权重设置 | 第47-48页 |
| 4.4 基于群聚度与活跃度的群体评分 | 第48-50页 |
| 4.4.1 预测评分获得推荐结果 | 第48-49页 |
| 4.4.2 推荐结果评价 | 第49页 |
| 4.4.3 群体兴趣点推荐流程 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 LBSN中的兴趣点推荐方法实验与数据分析 | 第51-59页 |
| 5.1 实验环境 | 第51页 |
| 5.2 实验数据集 | 第51-53页 |
| 5.3 改进评分策略的个体推荐 | 第53-55页 |
| 5.3.1 评分策略的改进 | 第53页 |
| 5.3.2 个体推荐实验结果及分析 | 第53-55页 |
| 5.4 群体推荐结果评估 | 第55-58页 |
| 5.4.1 目标群体选择 | 第55-56页 |
| 5.4.2 融合系数设置 | 第56-57页 |
| 5.4.3 群体推荐实验结果与分析 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第67页 |
