LBSN中基于双向元路径的个性化推荐算法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 目前研究存在的问题 | 第15-16页 |
| 1.4 本文主要工作及研究内容 | 第16-17页 |
| 1.5 本文章节安排 | 第17-19页 |
| 第2章 相关工作及研究理论基础 | 第19-27页 |
| 2.1 基于位置的社交网络相关理论 | 第19-21页 |
| 2.1.1 基于位置的社交网络的定义 | 第19页 |
| 2.1.2 基于位置社交网络的数据特性 | 第19-21页 |
| 2.1.3 名词解释 | 第21页 |
| 2.2 相似度测量方法比较 | 第21-22页 |
| 2.3 各种兴趣点推荐算法比较 | 第22-25页 |
| 2.3.1 基于内容的个性化推荐方法 | 第22-23页 |
| 2.3.2 基于协同过滤的兴趣点推荐算法 | 第23-25页 |
| 2.4 推荐系统评价指标 | 第25-26页 |
| 2.4.1 准确率 | 第25-26页 |
| 2.4.2 召回率 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于双向元路径诱导的相似性度量算法 | 第27-39页 |
| 3.1 研究内容阐述 | 第27-28页 |
| 3.2 相关定义 | 第28-32页 |
| 3.2.1 信息网络模型 | 第28-30页 |
| 3.2.2 异构社交网络模型 | 第30-31页 |
| 3.2.3 元路径定义 | 第31-32页 |
| 3.3 基于双向元路径诱导的相似度度量算法 | 第32-38页 |
| 3.3.1 双向元路径诱导模型 | 第32-33页 |
| 3.3.2 基于双向元路径诱导的相似度度量算法 | 第33-36页 |
| 3.3.3 复杂度分析 | 第36-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 融合相对评分的个性化兴趣点推荐算法 | 第39-51页 |
| 4.1 评分描述个性化问题 | 第39-41页 |
| 4.2 概念扩展 | 第41-43页 |
| 4.3 用户评分行为分析 | 第43-45页 |
| 4.4 相对评分问题定义 | 第45-46页 |
| 4.5 用户评分行为建模 | 第46-49页 |
| 4.5.1 基于比较的用户评分行为 | 第46-48页 |
| 4.5.2 用户评分选择模型 | 第48-49页 |
| 4.6 融合相对评分的个性化推荐算法 | 第49-50页 |
| 4.7 本章小结 | 第50-51页 |
| 第5章 实验及结果分析 | 第51-59页 |
| 5.1 实验数据 | 第51-52页 |
| 5.2 试验评估方法及指标 | 第52-53页 |
| 5.3 试验结果及相关分析 | 第53-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第6章 总结与展望 | 第59-61页 |
| 6.1 本文总结 | 第59-60页 |
| 6.2 未来展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第66-67页 |
