兴趣点推荐作为基于位置社交网络中的一个重要研究领域，极大地促进了推荐系统和社交网络的结合和发展，具有重要的研究意义和应用价值。本书主要研究和阐述自适应兴趣点推荐理论和方法，首先概述了兴趣点推荐及意义、研究现状及发展动态分析。然后提出了用户签到行为的特征提取方法及用户聚类算法，在此基础上，阐述了基于时间特征和用户协同过滤的自适应兴趣点推荐方法、融合时空特征和概率模型的自适应兴趣点推荐方法、结合长短期兴趣偏好的自适应连续兴趣点推荐方法的相关理论。最后构建了云边协同环境下自适应兴趣点推荐总体架构，并阐述了具体实现技术方法。本书全面系统地展示了自适应兴趣点推荐的最新创新性成果及其理论方法，具有完整性、实用性和学术性，助力兴趣点推荐的发展。适合作为研究生和高校教师从事社交网络、推荐系统和人工智能等领域的教学、科研工作和工程应用参考书。可以作为博士研究生和硕士研究生阶段的“推荐系统”“人工智能”等课程的教材使用，也可以作为高年级本科生“实用机器学习技术”课程的辅助教材。
第1章兴趣点推荐概述
1.1兴趣点推荐及意义
1.1.1基于位置社交网络中的兴趣点推荐
1.1.2研究意义
1.2兴趣点推荐的研究现状及发展动态分析
1.2.1结合影响因素的兴趣点推荐
1.2.2基于签到序列的连续兴趣点推荐
1.2.3目前存在的问题
1.3主要研究内容及关系
第2章用户签到行为特征提取及用户聚类算法
2.1问题提出
2.2符号描述及相关定义
2.3用户签到行为特征提取
2.3.1用户签到次数
2.3.2用户签到兴趣点数量
2.3.3用户签到时间槽分布数量
……
