基于位置社交网络的移动用户群兴趣点推荐技术研究
摘要 | 第2-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第8-16页 |
1.1 研究背景 | 第8页 |
1.2 国内外研究综述 | 第8-11页 |
1.2.1 基于地理信息推荐 | 第9-10页 |
1.2.2 基于时空效应推荐 | 第10页 |
1.2.3 基于用户签到位置与社交活动融合推荐 | 第10-11页 |
1.3 研究意义 | 第11-14页 |
1.3.1 理论意义 | 第11-12页 |
1.3.2 实践意义 | 第12-14页 |
1.4 研究的主要创新点 | 第14页 |
1.5 论文框架及组织结构 | 第14-16页 |
2 相关理论基础知识介绍 | 第16-27页 |
2.1 推荐系统概述 | 第16-23页 |
2.1.1 传统推荐模型 | 第16-19页 |
2.1.2 社会化推荐系统 | 第19-22页 |
2.1.3 基于位置的社会化网络推荐 | 第22-23页 |
2.2 推荐系统面临的问题 | 第23页 |
2.2.1 冷启动问题 | 第23页 |
2.2.2 数据稀疏性 | 第23页 |
2.3 LBSN的介绍 | 第23-26页 |
2.3.1 LBSN的定义 | 第23页 |
2.3.2 LBSN的发展 | 第23-24页 |
2.3.3 LBSN推荐系统框架 | 第24-26页 |
2.4 本章小结 | 第26-27页 |
3 考虑融合多因素的MRST模型构建 | 第27-40页 |
3.1 问题描述及定义 | 第27-28页 |
3.2 用户兴趣相似性的确定 | 第28-34页 |
3.2.1 信息熵的确定 | 第28页 |
3.2.2 移动用户群体的划分 | 第28-30页 |
3.2.3 强弱关系的确定 | 第30-31页 |
3.2.4 移动用户相似性确定 | 第31-34页 |
3.2.5 算法描述 | 第34页 |
3.3 地理位置相似性 | 第34-35页 |
3.4 时间影响 | 第35-37页 |
3.5 MRST模型与算法描述 | 第37-39页 |
3.5.1 考虑多因素的模型与参数估计 | 第37-38页 |
3.5.2 考虑多因素算法描述 | 第38-39页 |
3.6 本章小结 | 第39-40页 |
4 实验设计与结果分析 | 第40-50页 |
4.1 数据集介绍与观察描述 | 第40-43页 |
4.1.1 数据集介绍 | 第40-41页 |
4.1.2 数据集观察与描述 | 第41-43页 |
4.2 实验评价标准 | 第43-45页 |
4.2.1 评价方法 | 第43-44页 |
4.2.2 实验评价 | 第44-45页 |
4.3 对比算法描述 | 第45-46页 |
4.4 实验与结果分析 | 第46-49页 |
4.5 本章小结 | 第49-50页 |
5 总结与展望 | 第50-52页 |
5.1 论文总结 | 第50-51页 |
5.2 研究局限性和未来研究方向 | 第51-52页 |
在学期间发表的科研成果 | 第52-53页 |
参考文献 | 第53-58页 |
后记 | 第58-59页 |