声明
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 研究现状
1.3 研究内容与主要工作
1.4 论文的结构与安排
第二章 相关研究技术和基础理论知识
2.1 基于位置的社交网络
2.2 基于内容的推荐方法
2.3 LDA概率模型
2.3.1 二项分布和Beta分布
2.3.2 多项分布和Dirichlet分布
2.3.3 Gibbs采样
2.4 循环神经网络(RNN)
2.4.1 RNN是如何工作的
2.4.2 长短期记忆单元(LSTM)和门控循环单元(GRU)
2.5 Doc2vec
2.6 本章小结
第三章 基于地理标签和用户评论情感分析的兴趣点推荐模型
3.1 STRM(Simple Topic-Region-Model)
3.1.1 符号和问题表述
3.1.2 STRM算法表述
3.1.3 模型的使用
3.2 无标签评论的情感分析
3.2.1 评论文本的分布式向量表示
3.2.2 基于Doc2vec和LSTM的情感计算
3.3 兴趣点的相似度
3.4 推荐列表中兴趣点的排序
3.4.1 基于本地用户排序方式
3.4.2 基于外地用户排序方式
3.5 本章小结
第四章 实验分析
4.1 模型训练以及参数设置
4.2 情感分析实验
4.3 推荐模型数据集介绍
4.4 推荐模型对比算法
4.5 推荐模型分析方法
4.6 推荐模型实验分析
4.6.1 推荐模型实验比较
4.6.2 不同参数的影响
4.7 本章小结
第五章 总结与展望
5.1 工作总结
5.2 工作展望
参考文献
致谢
河北大学;