基于时间和标签信息的个性化地点推荐方法研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 课题背景与意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 位置社交网络简介 | 第15-17页 |
| 1.2.2 地点推荐的研究现状 | 第17-18页 |
| 1.3 研究内容和主要贡献 | 第18-19页 |
| 1.4 论文结构安排 | 第19-21页 |
| 第二章 推荐相关理论概述 | 第21-29页 |
| 2.1 协同过滤推荐 | 第21-25页 |
| 2.1.1 基于内存的协同过滤 | 第21-23页 |
| 2.1.2 基于模型的协同过滤 | 第23-25页 |
| 2.2 基于地理距离的推荐方法 | 第25-26页 |
| 2.3 组合推荐方法 | 第26页 |
| 2.4 主题模型和LDA | 第26-29页 |
| 第三章 基于时间属性的地点推荐方法 | 第29-36页 |
| 3.1 LBSN上用户行为的时间属性分析 | 第29-30页 |
| 3.2 基于时间属性的建模方法 | 第30-32页 |
| 3.2.1 矩阵分解的模型描述 | 第30-31页 |
| 3.2.2 基于时间不一致性建模 | 第31页 |
| 3.2.3 基于时间连续性建模 | 第31-32页 |
| 3.3 基于时间属性的个性化推荐方法的实现 | 第32-34页 |
| 3.4 算法描述 | 第34-36页 |
| 第四章 基于LDA的标签主题建模地点推荐方法 | 第36-44页 |
| 4.1 基于LDA的地点标签主题建模 | 第36-38页 |
| 4.1.1 地点标签的相关信息描述 | 第36-37页 |
| 4.1.2 基于LDA的地点标签主题模型的建立 | 第37-38页 |
| 4.2 用户偏好模型的构建 | 第38-41页 |
| 4.2.1 问题描述 | 第38-39页 |
| 4.2.2 用户偏好模型的构建 | 第39-41页 |
| 4.3 推荐结果的生成 | 第41-43页 |
| 4.3.1 用户相似度的计算 | 第41页 |
| 4.3.2 基于主题分布的评分预测 | 第41-43页 |
| 4.4 基于标签建模的地点推荐方法的改进 | 第43-44页 |
| 第五章 实验设计与结果分析 | 第44-52页 |
| 5.1 实验数据集和评价指标 | 第44-45页 |
| 5.1.1 实验环境 | 第44页 |
| 5.1.2 实验数据集 | 第44-45页 |
| 5.1.3 实验评价指标 | 第45页 |
| 5.2 实验对比算法及实验结果分析 | 第45-47页 |
| 5.3 基于时间属性的推荐方法分析 | 第47-49页 |
| 5.3.1 四种聚合策略的推荐结果比较 | 第47-48页 |
| 5.3.2 基于时间属性推荐方法的可扩展性 | 第48-49页 |
| 5.4 基于标签主题建模的推荐方法分析 | 第49-52页 |
| 5.4.1 主题数目对推荐效果的影响 | 第49-50页 |
| 5.4.2 实验结果对比分析 | 第50-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 工作总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第57-58页 |
