声明
摘要
图目录
表目录
第一章 绪论
1.1 研究背景及意义
1.2 论文研究目标与主要工作
1.3 论文组织结构
1.4 本章小结
第二章 相关研究工作
2.1 位置预测方法
2.1.1 线性回归模型
2.1.2 基于神经网络的预测
2.1.3 基于Markov模型的位置预测
2.1.4 基于频繁轨迹的位置预测
2.2 基于历史位置的服务推荐
2.2.1 基于历史位置的用户相似度量
2.2.2 LBSN中的朋友推荐和地点推荐
2.3 本章小结
第三章 数据集的处理和分析
3.1 实验数据集
3.1.1 轨迹数据集
3.1.2 签到数据集
3.2 数据处理和过滤
3.3 数据分析
3.3.1 轨迹数据特征分析
3.3.2 签到数据特征分析
3.4 本章小结
第四章 基于时空数据挖掘的位置预测研究
4.1 体系框架及概述
4.2 位置信息抽象化处理
4.2.1 停留点探测
4.2.2 基于层次的停留点聚类
4.3 基于带时间特征的Markov模型的位置预测
4.3.1 带时间特征的n阶Markov模型
4.3.2 基于n-TMM的位置预测
4.4 实验及结果分析
4.4.1 实验环境及设置
4.4.2 评价指标
4.4.3 数据集的划分
4.4.4 预测效果对比
4.5 本章小结
第五章 基于时空数据挖掘的服务推荐研究
5.1 研究流程及概述
5.2 基于时空数据挖掘的用户相似度量设计
5.2.1 相似序列及匹配
5.2.2 序列相似度量
5.2.3 好友相似度量
5.2.4 混合相似度量
5.3 基于混合相似度的服务推荐
5.3.1 基于混合相似度的朋友推荐
5.3.2 基于用户的混合相似协同过滤的地点推荐
5.4 实验评估
5.4.1 实验环境及设置
5.4.2 数据集及评价标准
5.4.3 朋友推荐评估
5.4.4 地点推荐评估
5.5 本章小结
第六章 总结与展望
6.1 工作总结
6.2 未来展望
致谢
硕士期间发表论文
参考文献