首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--检索机论文

基于位置的社交网络中高性能兴趣点推荐算法研究

摘要第5-6页
ABSTRACT第6页
第1章 绪论第10-15页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究现状第11-12页
    1.3 本文研究内容第12-13页
    1.4 本文主要工作和组织形式第13-15页
第2章 相关理论第15-29页
    2.1 LBS第15-16页
    2.2 签到数据介绍第16-18页
        2.2.1 大众点评签到方式第16-17页
        2.2.2 签到数据获取第17页
        2.2.3 签到数据格式第17-18页
    2.3 推荐技术与算法第18-26页
        2.3.1 SVD技术第18-20页
        2.3.2 协同过滤推荐第20-25页
        2.3.3 混合推荐第25-26页
    2.4 评价指标第26-27页
        2.4.1 评分预测评价指标第26页
        2.4.2 Top-N推荐评价指标第26-27页
        2.4.3 评分预测与Top-N推荐的讨论第27页
    2.5 本章小结第27-29页
第3章 改进的兴趣点推荐算法第29-41页
    3.1 上下文感知推荐第29-32页
        3.1.1 上下文的概念第29页
        3.1.2 上下文的获取方式第29-30页
        3.1.3 上下文感知推荐方法第30-32页
    3.2 TItemCF-CA推荐算法第32-37页
        3.2.1 推荐系统时间效应分析第32-34页
        3.2.2 时间上下文使用方法的改进第34-35页
        3.2.3 兴趣点推荐算法中时间衰减函数的设计第35-37页
    3.3 SItemCF-CA推荐算法第37-40页
        3.3.1 推荐系统地点效应分析第37页
        3.3.2 地点上下文使用方法的改进第37-39页
        3.3.3 兴趣点推荐算法中空间衰减函数的设计第39-40页
    3.4 TSItemCF-CA混合推荐算法第40页
    3.5 本章小结第40-41页
第4章 实验设计与结果分析第41-50页
    4.1 实验数据集第41-42页
    4.2 实验环境及步骤第42-43页
        4.2.1 实验环境第42页
        4.2.2 实验步骤第42-43页
    4.3 实验与分析第43-48页
        4.3.1 传统ItemCF推荐算法性能第43-44页
        4.3.2 TItemCF-CA推荐算法性能第44-45页
        4.3.3 SItemCF-CA推荐算法性能第45-47页
        4.3.4 TSItemCF-CA混合推荐算法性能第47-48页
    4.4 本章小结第48-50页
第5章 总结与展望第50-52页
    5.1 总结第50页
    5.2 展望第50-52页
致谢第52-53页
参考文献第53-59页
附录第59-60页
详细摘要第60-62页

论文共62页,点击 下载论文
上一篇:分层道路的频繁路径查询算法研究
下一篇:图形图像处理中的新型插值方法研究