| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 基于LBSN的相关联服务推荐的国内外研究现状 | 第11-13页 |
| 1.2.2 激励机制的国内外研究现状 | 第13页 |
| 1.3 本文主要研究内容 | 第13-15页 |
| 1.4 论文组织结构 | 第15-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 相关理论介绍 | 第17-27页 |
| 2.1 传统推荐技术 | 第17-19页 |
| 2.1.1 推荐算法概述 | 第17页 |
| 2.1.2 传统推荐方法 | 第17-19页 |
| 2.2 基于位置的社交网络的推荐方法 | 第19-22页 |
| 2.2.1 位置社交网络 | 第19-21页 |
| 2.2.2 基于位置的社交网络的推荐系统 | 第21-22页 |
| 2.3 其它相关理论 | 第22-25页 |
| 2.3.1 相似度的度量方法 | 第22-24页 |
| 2.3.2 用户的关注度 | 第24-25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 基于区域划分的元路径推荐算法 | 第27-37页 |
| 3.1 前言 | 第27-28页 |
| 3.2 活动区域划分 | 第28-29页 |
| 3.3 元路径集的确定 | 第29-32页 |
| 3.3.1 元路径 | 第29页 |
| 3.3.2 用户活动区域图模型构建 | 第29-30页 |
| 3.3.3 LBSN中元路径集的确定 | 第30-31页 |
| 3.3.4 LBSN中元路径特征值的计算 | 第31-32页 |
| 3.4 推荐算法及结果生成 | 第32-33页 |
| 3.5 实验及分析 | 第33-35页 |
| 3.5.1 实验数据集 | 第33页 |
| 3.5.2 评价指标及对比实验 | 第33-34页 |
| 3.5.3 实验结果与分析 | 第34-35页 |
| 3.6 本章小结 | 第35-37页 |
| 第四章 基于好友推荐的在线用户激励 | 第37-49页 |
| 4.1 前言 | 第37-38页 |
| 4.2 相关性测算 | 第38-40页 |
| 4.2.1 用户偏好相关性计算 | 第38-39页 |
| 4.2.2 位置相关性计算 | 第39-40页 |
| 4.3 基于区域划分的好友推荐算法 | 第40-45页 |
| 4.3.1 用户活动区域划分 | 第40-41页 |
| 4.3.2 好友推荐的链路集的确定 | 第41页 |
| 4.3.3 元路径特征值的计算 | 第41-43页 |
| 4.3.4 结果生成与分析 | 第43-45页 |
| 4.5 基于好友推荐的在线用户激励机制激励作用分析 | 第45-46页 |
| 4.6 其它在线用户激励策略 | 第46-48页 |
| 4.7 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-53页 |
| 5.1 主要工作总结 | 第49-50页 |
| 5.2 研究展望 | 第50-53页 |
| 参考文献 | 第53-57页 |
| 发表论文和参加科研情况 | 第57-59页 |
| 致谢 | 第59页 |