一种引入元路径链路预测机制的好友推荐算法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1. 绪论 | 第9-15页 |
| 1.1. 选题背景及意义 | 第9-10页 |
| 1.2. 推荐系统应用概况 | 第10-12页 |
| 1.3. 好友推荐技术相关研究 | 第12-14页 |
| 1.4. 本文工作及组织结构 | 第14-15页 |
| 2. 相关理论与技术研究 | 第15-36页 |
| 2.1. 推荐系统概述 | 第15页 |
| 2.2. 推荐流程 | 第15-16页 |
| 2.3. 主要推荐方法及应用 | 第16-25页 |
| 2.3.1. 基于内容的推荐 | 第16-18页 |
| 2.3.2. 基于协同过滤的推荐算法 | 第18-22页 |
| 2.3.3. 组合推荐 | 第22-23页 |
| 2.3.4. 基于社交网络的推荐 | 第23-25页 |
| 2.4. 链路预测相关研究 | 第25-34页 |
| 2.4.1. 基于相似性链路预测 | 第25-30页 |
| 2.4.2. 基于最大似然的链路预测 | 第30-33页 |
| 2.4.3. 基于概率模型 | 第33-34页 |
| 2.5. 本章小结 | 第34-36页 |
| 3. 基于元路径的链接预测算法 | 第36-47页 |
| 3.1. 位置相关性分析 | 第36-39页 |
| 3.1.1. 兴趣点模型 | 第36-38页 |
| 3.1.2. 相关性计算 | 第38-39页 |
| 3.2. LBSN网络结构建模 | 第39-40页 |
| 3.3. 基于元路径的好友预测算法 | 第40-46页 |
| 3.3.1. 数据预处理 | 第41-42页 |
| 3.3.2. 连接概率 | 第42-44页 |
| 3.3.3. 产生推荐 | 第44-46页 |
| 3.4. 本章小结 | 第46-47页 |
| 4. 实验与分析 | 第47-54页 |
| 4.1. 实验数据 | 第47页 |
| 4.2. 实验环境 | 第47页 |
| 4.3. 实验过程 | 第47-50页 |
| 4.3.1. 数据预处理 | 第47-49页 |
| 4.3.2. 计算签到点相关性 | 第49页 |
| 4.3.3. 计算用户连接概率 | 第49-50页 |
| 4.3.4. 产生推荐集 | 第50页 |
| 4.4. 评价标准 | 第50-51页 |
| 4.5. 实验结果及分析 | 第51-53页 |
| 4.6. 本章小结 | 第53-54页 |
| 5. 结论 | 第54-55页 |
| 参考文献 | 第55-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间科研成果和参加的主要科研项目 | 第63页 |
