基于位置的社会化网络推荐算法研究

社会化网络推荐系统是推荐系统领域的重要分支之一，在社交网络和位置服务等领域均有重要意义和实践应用。刘树栋著的《基于位置的社会化网络推荐算法研究》首先系统地介绍社会化网络和推荐系统相关概念和方法（靠前、二章），然后讨论了一些主流的基于位置的社会化网络推荐系统及相应推荐生成算法，具体包括基于位置的协同过滤移动网络服务推荐方法（第三章）、基于移动用户活动区域划分的图模型位置信息推荐方法（第四章）、基于移动用户签到位置轨迹相似的近邻好友推荐方法（第五章）和基于位置等多维上下文感知的移动前摄推荐方法（第六章）。很后，对该领域未来的发展方向及应用前景作出了简单评述和展望（第七章）。

刘树栋（1984—），山东省沂南县人，北京邮电大学计算机科学与技术专业毕业，获计算机科学与技术博士学位。现为中南财经政法大学信息与安全工程学院讲师，近年来，已在《计算机学报》《软件学报》《Future Generation Computer Systems》《Journal of Internet Technology》等靠前外计算机相关领域期刊及会议上发表论文十余篇，主持并参与包括国家自然科学基金在内的各级科研项目5项。研究方向包括智能信息处理、数据挖掘及推荐系统。

   第一章 社会化推荐系统

1.1 社会化推荐系统

1.1.1 社会化推荐系统的形式化定义

1.1.2 社会化推荐系统的基本框架模型

1.1.3 社会关系和网络模型的构建

1.2 社会化推荐生成技术

1.2.1 基于网络图模型的推荐方法

1.2.2 矩阵分解方法

1.2.3 因子分解机模型（factorization machine）

1.2.4 概率模型

1.3 社会化推荐系统研究的热点和难点

1.4 结语

本章参考文献

第二章 基于位置的移动社会化网络推荐系统

2.1 基于位置的社会化网络

2.1.1 基于位置的社会化网络的基本定义及3+1框架模型

2.1.2 基于位置的社会化网络的数据特征

2.2 基于位置的移动社会化网络推荐系统

2.2.1 基于位置的移动社会化网络推荐系统基本特征

2.2.2 基于位置的移动社会化网络推荐系统框架

2.3 基于位置的移动社会化网络推荐方法

2.3.1 融合社会关系的基于位置的协同过滤推荐

2.3.2 基于移动用户位置活动划分的图模型推荐

2.3.3 基于移动用户位置轨迹相似的好友推荐

2.3.4 多维上下文感知用户偏好学习及移动推荐

2.4 应用进展

2.5 结语

本章参考文献

第三章 基于位置的协同过滤移动网络服务推荐方法

3.1 引言

3.2 相关知识

3.2.1 协同过滤推荐算法

3.2.2 上下文信息与传统推荐算法的融合

3.3 基于位置的用户一网络服务特征模型

3.3.1 基本数据模型

3.3.2 基于位置的移动用户偏好特征

3.4 移动用户之间的信任关系

3.4.1 直接好友关系

3.4.2 间接好友关系

3.5 基于用户位置的网络服务推荐

3.5.1 基于移动用户位置的网络服务推荐基本框架

3.5.2 基于移动用户位置的网络服务推荐

3.6 性能分析

3.6.1 数据稀疏性及冷启动问题

3.6.2 复杂度分析

3.7 实验与分析

3.7.1 实验数据集

3.7.2 评价指标

3.7.3 实验结果及分析

3.8 结语

本章参考文献

第四章 基于移动用户活动区域划分的图模型位置信息推荐方法

4.1 引言

4.2 相关工作

4.3 基于用户活动区域划分的图模型推荐方法

4.3.1 移动用户位置活动区域的确定与划分

4.3.2 基于用户位置活动区域的图模型构建

4.3.3 推荐结果的生成

4.4 实验与分析

4.4.1 实验数据集

4.4.2 评价指标及对比实验

4.4.3 实验结果与分析

4.5 结语

本章参考文献

第五章 基于移动用户签到位置轨迹相似的近邻好友推荐方法

5.1 引言

5.2 相关工作

5.2.1 基于位置的社会化网络好友推荐方法

5.2.2 基于位置的社会化网络用户的位置移动性与社会关系的关联性

5.3 问题描述

5.4 用户签到位置的时空特性

5.4.1 用户的签到频率

5.4.2 相邻两个签到位置点之间的移动速度

5.5 基于用户签到位置轨迹相似的近邻好友推荐

5.5.1 基于时间周期的用户签到位置轨迹构建

5.5.2 用户签到位置轨迹中重要区域的识别

5.5.3 轨迹模式类型

5.5.4 用户签到位置轨迹相似性

5.5.5 基于用户签到位置轨迹的近邻好友推荐

5.6 实验与分析

5.6.1 实验数据及推荐效果的评价指标

5.6.2 实验设计及结果分析

5.7 结语

本章参考文献

第六章 基于位置等多维上下文感知的移动前摄推荐方法

6.1 引言

6.2 移动网络环境中的基本数据模型

6.3 多维上下文感知下用户适应性选择偏好学习方法

6.3.1 上下文影响因素的确定

6.3.2 多维上下文感知下用户适应性选择层次分析模型

6.3.3 算法描述及复杂性分析

6.4 移动用户多维上下文环境下动态转移

6.5 移动前摄推荐策略

6.6 实验与分析

6.6.1 实验数据集

6.6.2 对用户行为选择有影响的上下文类型的确定

6.6.3 优化选择参数及μ训练数据集对学习准确率的影响

6.6.4 推荐结果分析

6.7 结语

本章参考文献

第七章 总结与展望

7.1 总结

7.2 展望