隨著嵌入無(wú)線通信和位置傳感器的移動(dòng)設(shè)備的迅速發(fā)展,基于位置的社交網(wǎng)絡(luò)（Location Based Social Network,LBSN）越來(lái)越火熱,興趣點(diǎn)（Point Of Interests,POI）推薦應(yīng)運(yùn)而生,幫助用戶(hù)在其活動(dòng)區(qū)域內(nèi)尋找用戶(hù)喜歡的興趣點(diǎn)。但隨著信息量的不斷擴(kuò)大甚至產(chǎn)生信息過(guò)載,用戶(hù)對(duì)系統(tǒng)的各項(xiàng)推薦性能要求越來(lái)越高,如何為用戶(hù)提供更高效的興趣點(diǎn)推薦成為了目前研究的熱點(diǎn)。以下為本文的主要工作和創(chuàng)新點(diǎn):1.興趣點(diǎn)推薦是推薦系統(tǒng)的關(guān)鍵研究之一,傳統(tǒng)的算法只利用用戶(hù)簽到信息進(jìn)行推薦,且對(duì)于簽到信息只單純地考慮簽到和沒(méi)簽到,而忽略了用戶(hù)簽到的次數(shù)、用戶(hù)簽到的時(shí)間因素以及用戶(hù)之間信任關(guān)系。為提高興趣點(diǎn)推薦的準(zhǔn)確性,提出一種融合鄰居選擇策略和信任關(guān)系的興趣點(diǎn)推薦算法（UGT）。對(duì)于簽到信息處理,采用簽到次數(shù)來(lái)代替?zhèn)鹘y(tǒng)的0/1簽到,并對(duì)簽到信息添加時(shí)間權(quán)重;對(duì)于用戶(hù)信息,提出一種鄰居選擇策略來(lái)捕獲用戶(hù)偏好,只選擇目標(biāo)用戶(hù)的直接朋友或間接朋友作為鄰居集;對(duì)于用戶(hù)之間的信任關(guān)系,首先分析用戶(hù)的屬性,然后給出社會(huì)地位的計(jì)算方法,重構(gòu)信任度的計(jì)算方法;最后將多種因素進(jìn)行線性組合后得到推... 

【文章來(lái)源】：重慶郵電大學(xué)重慶市

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 存在的問(wèn)題
    1.4 本文主要工作
    1.5 本文組織結(jié)構(gòu)
第2章 相關(guān)理論知識(shí)介紹
    2.1 傳統(tǒng)推薦系統(tǒng)概述
    2.2 LBSN中的推薦技術(shù)
        2.2.1 協(xié)同過(guò)濾推薦
        2.2.2 基于內(nèi)容的推薦
        2.2.3 混合推薦
    2.3 推薦算法評(píng)價(jià)指標(biāo)
        2.3.1 預(yù)測(cè)準(zhǔn)確性指標(biāo)
        2.3.2 分類(lèi)準(zhǔn)確性指標(biāo)
    2.4 個(gè)性化興趣點(diǎn)推薦
    2.5 本章小結(jié)
第3章 融合鄰居選擇策略和信任關(guān)系的興趣點(diǎn)推薦
    3.1 引言
    3.2 相關(guān)工作
    3.3 問(wèn)題描述
    3.4 算法描述
        3.4.1 簽到矩陣處理
        3.4.2 用戶(hù)相似性影響
        3.4.3 地理影響
        3.4.4 信任關(guān)系影響
    3.5 混合推薦系統(tǒng)
        3.5.1 混合框架
        3.5.2 規(guī)范統(tǒng)一模型
    3.6 實(shí)驗(yàn)設(shè)計(jì)及結(jié)果分析
        3.6.1 實(shí)驗(yàn)數(shù)據(jù)集
        3.6.2 評(píng)價(jià)指標(biāo)
        3.6.3 實(shí)驗(yàn)參數(shù)的推導(dǎo)
        3.6.4 實(shí)驗(yàn)結(jié)果分析
    3.7 本章小結(jié)
第4章 基于k-d樹(shù)的協(xié)同過(guò)濾推薦算法
    4.1 引言
    4.2 相關(guān)工作
        4.2.1 k-d樹(shù)簡(jiǎn)介
        4.2.2 空間自相關(guān)
    4.3 協(xié)同過(guò)濾推薦系統(tǒng)
    4.4 問(wèn)題的描述
    4.5 算法設(shè)計(jì)
        4.5.1 簽到矩陣處理
        4.5.2 基于k-d樹(shù)的分區(qū)算法
        4.5.3 基于k-d樹(shù)的分區(qū)算法的時(shí)間復(fù)雜度分析
        4.5.4 分區(qū)后的協(xié)同過(guò)濾推薦算法
    4.6 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析
        4.6.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.6.2 評(píng)價(jià)指標(biāo)和比對(duì)算法
        4.6.3 實(shí)驗(yàn)結(jié)果分析
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號(hào)：3096917