声明
致谢
摘要
第1章 绪论
1.1 研究背景
1.2 国内外研究现状
1.2.1 协同过滤及其数据稀疏性问题
1.2.2 在线评论的动态性问题
1.2.3 基于评论文本的推荐系统
1.2.4 基于签到数据的推荐系统
1.3 研究内容与研究目标
1.3.1 研究内容
1.3.2 研究目标
1.4 研究方法与技术路线
1.4.1 研究方法
1.4.2 技术路线
1.5 论文结构
第2章 协同过滤数据源的特性分析
2.1 协同过滤及评分的稀疏性分析
2.1.1 基于评分矩阵的协同过滤方法
2.1.2 评分的稀疏性分析
2.2 评分的动态性分析
2.3 评论文本的特征层情感分析
2.3.1 产品特征的抽取
2.3.2 情感的判定
2.4 签到数据的情境特性分析
2.5 本章小结
第3章 高卷入度产品在线评论的动态性研究
3.1 高卷入度产品的定义
3.2 高卷入度产品评论动态性假设的提出
3.3 高卷入度产品评论数据的收集和处理
3.4 高卷入度产品数值评分的动态性研究
3.4.1 评分动态性的直观展示
3.4.2 评分动态性的分析模型及结果
3.4.3 评分动态性结果的稳健性检验
3.4.4 评分动态性的成因分析
3.5 高卷入度产品评论文本的动态性研究
3.5.1 评论文本动态性的分析模型及结果
3.5.2 评论文本动态性结果的稳健性检验
3.5.3 评论文本动态性的成因分析
3.6 本章小结
第4章 基于评论文本的高卷入度产品协同推荐方法研究
4.1 基于评论文本的高卷入度产品推荐框架
4.2 基于评论文本的物品相似度的计算与评分填补
4.2.1 物品-主题评分矩阵的构建
4.2.2 物品相似度的计算
4.2.3 评分填补策略
4.3 基于填充矩阵的协同过滤推荐方法
4.3.1 与基于近邻的方法的融合
4.3.2 与矩阵分解方法的融合
4.4 实验研究
4.4.1 数据集和预处理
4.4.2 对照算法与评价指标
4.4.3 实验结果及分析
4.5 本章小结
第5章 情境感知的地理位置服务协同推荐方法研究
5.1 情境感知的地理位置服务推荐框架
5.2 情境感知的地点相似度的计算
5.2.1 空间接近度的计算
5.2.2 时间感知的地点相似度的计算
5.3 实验研究
5.3.1 数据集和预处理
5.3.2 对照算法与评价指标
5.3.3 实验结果及分析
5.4 本章小结
第6章 总结与展望
6.1 研究总结
6.2 研究启示
6.3 研究展望
参考文献
攻读博士期间的学术活动及成果情况