基于矩阵分解及张量分解的信息融合POI推荐算法研究

目录

声明

第一章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 课题内容及贡献

1.4 文章结构及目标

第二章 理论知识

2.1 协同过滤

2.1.1 概念及定义

2.1.2 协同过滤算法分类

2.2 矩阵分解

2.2.1 概念及定义

2.2.2 现有矩阵分解算法分类

2.2.3 性能评估

2.3 张量分解

2.3.1 概念及定义

2.3.2 CP 分解

2.3.3 Turker分解

2.4 优化方法

2.4.1 交替最小二乘法

2.4.2 梯度下降法

2.5 本章小结

第三章 基于社交关系挖掘的兴趣点推荐算法

3.1 引言

3.2 符号及变量定义

3.3 影响因素

3.3.1 用户中心点

3.3.2 区域影响力

3.3.3 距离影响

3.3.4 朋友关系

3.4 模型描述

3.4.1 模型示意

3.4.2 模型描述

3.5 地点学习

3.5.1 地点访问可能性

3.5.2 损失函数

3.6 基于平方误差的模型

3.7 冷启动问题解决

3.8 本章小结

第四章 基于张量分解的多维信息融合兴趣点推荐算法

4.1 引言

4.2 符号及变量定义

4.3 影响因素

4.3.1 时间影响

4.3.2 地理影响

4.3.4 类别影响

4.3.5 流行度影响

4.4 模型描述

4.4.1 模型示意

4.4.2 模型描述

4.4.3 用户画像

4.4.4 地点标签

4.5 张量分解方法

4.5.1 HOSVD

4.5.2 损失函数

4.5.3 张量分解过程

4.6 冷启动问题解决

4.7 本章小结

第五章 实验过程和结果分析

5.1 实验数据集

5.2 评价指标

5.2.1 准确率

5.2.2 召回率

5.3 对比算法

5.4 实验结果

5.4.1 用户常驻地示意图

5.4.2 损失值

5.4.3 对比实验结果

5.5 本章小结

第六章 结论与展望

致谢

参考文献

作者简介

1 作者简历

2 攻读博士/硕士学位期间发表的学术论文

学位论文数据集