دانلود کتاب توصیه نقطه مورد علاقه در شبکه های اجتماعی مبتنی بر مکان بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Point-of-Interest Recommendation in Location-Based Social Networks
ویرایش : 1st ed.
عنوان ترجمه شده به فارسی : توصیه نقطه مورد علاقه در شبکه های اجتماعی مبتنی بر مکان
سری : SpringerBriefs in Computer Science
نویسندگان : Shenglin Zhao, Michael R. Lyu, Irwin King
ناشر : Springer Singapore
سال نشر : 2018
تعداد صفحات : IX, 101
[110]
ISBN (شابک) : 978-981-13-13 , 978-981-13-13
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 4 Mb
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب به طور سیستماتیک توصیه های نقطه مورد علاقه (POI) را در شبکه های اجتماعی مبتنی بر مکان (LBSN) معرفی می کند. این کتاب با مروری بر پیشرفتها در این زمینه شروع میکند، سپس تحرک کاربر در LBSNها را از دیدگاههای جغرافیایی و زمانی تحلیل میکند. علاوه بر این، نحوه ساخت یک سیستم پیشنهادی POI پیشرفته را با ترکیب تجزیه و تحلیل رفتار کاربر نشان می دهد. در نهایت، این کتاب جهتهای تحقیقاتی آینده در این زمینه را مورد بحث قرار میدهد.
این کتاب برای متخصصان درگیر در توصیههای POI و دانشجویان فارغالتحصیل که روی مشکلات مربوط به خدمات مبتنی بر مکان کار میکنند، در نظر گرفته شده است. فرض بر این است که خوانندگان دانش پایه ای از ریاضیات و همچنین پیشینه ای در سیستم های توصیه دارند.This book systematically introduces Point-of-interest (POI) recommendations in Location-based Social Networks (LBSNs). Starting with a review of the advances in this area, the book then analyzes user mobility in LBSNs from geographical and temporal perspectives. Further, it demonstrates how to build a state-of-the-art POI recommendation system by incorporating the user behavior analysis. Lastly, the book discusses future research directions in this area.
This book is intended for professionals involved in POI recommendation and graduate students working on problems related to location-based services. It is assumed that readers have a basic knowledge of mathematics, as well as some background in recommendation systems.