基于位置服务的推荐系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题的研究背景 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12页 |
| 1.4 论文结构 | 第12-13页 |
| 第2章 地理定位技术 | 第13-19页 |
| 2.1 定位技术 | 第13-18页 |
| 2.1.1 CellidTA定位技术 | 第14-15页 |
| 2.1.2 CellidTDOA定位技术 | 第15-16页 |
| 2.1.3 E-OTD定位技术 | 第16-17页 |
| 2.1.4 基于信号到达角度的定位技术 | 第17页 |
| 2.1.5 GPS定位技术 | 第17-18页 |
| 2.2 本章小结 | 第18-19页 |
| 第3章 推荐算法研究 | 第19-31页 |
| 3.1 基于关联规则的推荐系统 | 第20-22页 |
| 3.2 基于内容的推荐系统 | 第22-24页 |
| 3.3 协同过滤算法 | 第24-29页 |
| 3.3.1 用户相似性的计算 | 第24-25页 |
| 3.3.2 邻居用户集的产生 | 第25-27页 |
| 3.3.3 协同过滤具体流程 | 第27-28页 |
| 3.3.4 协同过滤算法的问题 | 第28-29页 |
| 3.4 算法改进策略 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于位置服务的推荐算法 | 第31-43页 |
| 4.1 用户数据 | 第31-32页 |
| 4.2 数据分析结果 | 第32-35页 |
| 4.3 用户的相似性计算结果 | 第35-38页 |
| 4.4 算法的评价 | 第38页 |
| 4.5 产生推荐 | 第38-40页 |
| 4.6 推荐算法框架 | 第40-41页 |
| 4.7 创新点 | 第41-42页 |
| 4.8 本章小结 | 第42-43页 |
| 第5章 基于位置服务的推荐系统 | 第43-55页 |
| 5.1 实验数据 | 第43页 |
| 5.2 实验环境 | 第43-44页 |
| 5.3 实验过程 | 第44-51页 |
| 5.3.1 用户数据 | 第44-45页 |
| 5.3.2 数据预处理 | 第45-46页 |
| 5.3.3 用户的相似度计算 | 第46-48页 |
| 5.3.4 用户偏好的相似性 | 第48页 |
| 5.3.5 距离相似性 | 第48-49页 |
| 5.3.6 改进算法下的用户相似性 | 第49页 |
| 5.3.7 协同过滤推荐集 | 第49-50页 |
| 5.3.8 产生推荐集 | 第50-51页 |
| 5.4 实验结果分析 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 第6章 总结与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间获得与学位论文相关的科研成果 | 第61页 |
