基于位置的社交网络好友推荐算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景 | 第8-10页 |
| 1.2 研究内容 | 第10页 |
| 1.3 研究目标与意义 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第2章 基于位置的社交网络概述 | 第12-18页 |
| 2.1 引言 | 第12页 |
| 2.2 基于位置的社交网络 | 第12-13页 |
| 2.3 基于位置的社交网络研究现状 | 第13-16页 |
| 2.3.1 网络结构及特征研究 | 第13-14页 |
| 2.3.2 可视化技术研究 | 第14-15页 |
| 2.3.3 推荐和预测问题研究 | 第15-16页 |
| 2.4 基于位置的社交网络推荐算法分类 | 第16-17页 |
| 2.4.1 基于内容的推荐算法 | 第16页 |
| 2.4.2 基于协同过滤的推荐算法 | 第16-17页 |
| 2.4.3 基于图模型的推荐算法 | 第17页 |
| 2.5 小结 | 第17-18页 |
| 第3章 实验数据集及其特征分析 | 第18-28页 |
| 3.1 引言 | 第18页 |
| 3.2 Brightkite网站及实验数据集介绍 | 第18-19页 |
| 3.3 数据清理与数据存储 | 第19-20页 |
| 3.4 实验数据集的特征分析 | 第20-27页 |
| 3.4.1 网络结构的特征 | 第20-23页 |
| 3.4.2 用户签到行为特征 | 第23-25页 |
| 3.4.3 签到位置信息对用户好友关系的影响特征 | 第25-27页 |
| 3.5 小结 | 第27-28页 |
| 第4章 基于位置信息对好友推荐算法的改进 | 第28-41页 |
| 4.1 引言 | 第28页 |
| 4.2 实验方法 | 第28-29页 |
| 4.2.1 生成随机实验网络 | 第28页 |
| 4.2.2 算法实现与改进，产生推荐结果 | 第28-29页 |
| 4.2.3 推荐结果评价 | 第29页 |
| 4.3 评估方法 | 第29-31页 |
| 4.3.1 P@10 | 第30页 |
| 4.3.2 平均排序分 | 第30页 |
| 4.3.3 推荐用时 | 第30-31页 |
| 4.4 基于局部信息的好友推荐算法 | 第31-33页 |
| 4.4.1 基础算法思路 | 第31页 |
| 4.4.2 改进思路 | 第31-32页 |
| 4.4.3 实验结果和分析 | 第32-33页 |
| 4.5 基于随机游走的好友推荐算法 | 第33-37页 |
| 4.5.1 基础算法思路 | 第33-34页 |
| 4.5.2 改进思路 | 第34-35页 |
| 4.5.3 实验结果和分析 | 第35-37页 |
| 4.6 基于路径相似的好友推荐算法 | 第37-40页 |
| 4.6.1 基础算法思路 | 第37页 |
| 4.6.2 改进思路 | 第37-38页 |
| 4.6.3 实验结果和分析 | 第38-40页 |
| 4.7 小结 | 第40-41页 |
| 第5章 时间信息对于位置信息作用的影响 | 第41-48页 |
| 5.1 引言 | 第41页 |
| 5.2 签到时间对位置信息的影响分析 | 第41-45页 |
| 5.2.1 活跃用户与流失用户 | 第41-42页 |
| 5.2.2 用户迁移 | 第42-43页 |
| 5.2.3 短期签到信息对用户好友关系的影响 | 第43-45页 |
| 5.3 引入时间信息后的好友推荐算法改进 | 第45-46页 |
| 5.3.1 思路 | 第45-46页 |
| 5.3.2 实验结果与讨论 | 第46页 |
| 5.4 小结 | 第46-48页 |
| 第6章 结论与展望 | 第48-50页 |
| 6.1 本论文的主要工作 | 第48-49页 |
| 6.2 未来研究的方向 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录A 推荐算法Python语言实现主要代码 | 第53-68页 |
| 在学期间发表的学术论文与研究成果 | 第68-69页 |
| 致谢 | 第69页 |
