气候变化是当前人类社会面临严峻的全球环境问题之一。虽然关于气候变化成因和影响的学术争论一直存在，但不可否认，大气中温室气体浓度的增加是导致这一变化的重要因素。第二、第三产业是碳排放的主导部门，但快速发展的农业也是加速气候变化的重要诱因。在农业碳排放量持续上升、温室气体减排诉求日趋强烈的今天，发展低碳农业已刻不容缓。但同时，我们对低碳农业理念有多少了解？这些年我国低碳农业发展处于什么水平、变化轨迹与发展趋势如何？省域间低碳农业效率存在何种差异、是否具有空间收敛性？导致我国低碳农业生产率变动的关键性因素是什么？很显然，对这些问题进行有效解读将有助于增进我们对中国低碳农业发展现状及其基本特征的宏观认知，进而理论与实际结合，构建更为合理的政策体系，为加快推进我国低碳农业发展步伐、切实践行生态文明建设方针奠定坚实基础。
有鉴于此，《中国低碳农业发展的生产效率研究》以低碳农业为研究对象，首先系统梳理了国内外相关文献，对其所涉及的一些重要概念及相关理论进行了回顾与总结，以确保研究根基。然后，对我国农业碳排放／碳汇量进行了全面核算并分析了其时空特征，一方面增强了我们的宏观认知，更为重要的是，为低碳农业生产率的测度提供了数据支撑，在此基础上，基于农业碳排放、农业碳汇以及农业投入产出数据，系统核算了我国低碳农业生产率，并深入探究了其增长源泉、时序演变规律、区域分异特点、动态演进及收敛性。紧接着，分析了影响我国低碳农业生产率增长的宏观因素与低碳农业技术采纳的微观机理，从中探寻出了导致低碳农业水平发生变化的关键动因。最后在总结并借鉴国外低碳农业发展经验的基础上，有针对性地提出了对策建议，以期为我国更好地践行生态文明理念、推进低碳农业发展提供必要的数据支撑与理论依据。具体而言，《中国低碳农业发展的生产效率研究》研究内容主要分为文献综述与理论基础（一、第二章）、农业碳排放／碳汇现状分析（第三章）、低碳农业生产率测度及其时空特征分析（第四、第五章）、低碳农业生产率与技术采纳的影响因素分析（第六章）、低碳农业发展政策体系构建（第七、第八、第九章）五大部分。
近年来，随着全球定位系统、无线通信网络等基础设施的飞速发展及大量手持、车载无线通信定位设备的广泛应用，特别是众多移动社交网络的位置签到、位置共享及位置标识等功能的应用普及，位置服务（location based service,LBS）与社交网络逐渐融合，形成了基于位置的社会化网络（locationbased social networks,LBSNs）。它通过移动用户的位置签到功能，把线上虚拟社会与线下真实世界关联在一起，实现用户位置定位的同时，还实现了位置信息在虚拟网络世界的共享与传播，从而衍生出多种多样的位置服务，其中，推荐系统作为目前解决信息过滤和个性化服务的重要技术手段之一，在位置服务中发挥着越来越重要的作用。
最新皮尤网络(pew internet）调查报告和美国生活工程报告（American life project reports）显示，美国成年人智能手机拥有者的比例从2011年的35%上升到2012年的46%，其中大约74%的用户通过智能手机获取基于位置的实时信息（如位置导航及推荐等），同时有18%的用户使用过诸如Foursquare、Gowalla、Facebook Places、Twinkle等位置社会化网络，然而在2011年这一比例才12%，在2013年有超过820万用户使用基于位置的社会化网络服务，到2015年全球基于位置的社会化网络服务市场规模将达到108亿美元。在学术研究领域，ACM SIGSPATIAL GIS已连续几年举办基于位置的社会化网络研讨会，并指出位置服务与移动社交网络的融合将逐渐成为网络服务发展的新方向之一，这也体现了移动互联网时代公众位置服务的社会化(social）、本地化(local）和移动性(mobile）的基本特征（“SoLoMo”）。
基于位置的移动社会化网络推荐系统不仅满足移动互联网位置服务的社会化、本地化和移动性等信息服务特征，而且能够根据不同用户的个性化需求进行信息过滤与主动推荐，在国内外逐渐赢得了广泛关注，许多大学和研究机构对此领域展开了深入研究，被SCI和EI收录的论文数目也逐年上升。国际重要学术会议（如人工智能领域的IJCAI、AAAI，数据挖掘领域的SIGKDD、ICDM、PAKDD，普适计算领域的UrbComp，地理信息系统GIS和推荐系统RecSys）及相关领域的国际期刊（如Artificial Intelligence、Information Sciences、IEEE Transaction on Multimedia、International Journal of Networking and Computing）也出现了很多有关基于位置的移动社会化网络推荐系统研究成果的报道。
具备位置服务和社会化网络推荐系统特征的基于位置的移动社会化网络推荐系统，近年来成为推荐系统研究领域热点方向之一，逐渐引起人们的广泛关注。本书对基于位置的移动社会化网络推荐系统中一些基本方法和几个关键问题进行探索性研究，提出了一些新方法。本书共六章，大体上可以分为以下3部分：第一部分为第一、二章，介绍社会化推荐系统及基于位置的社会化网络推荐系统研究进展；第二部分分为第二至四章，专业介绍一些社会化网络推荐前沿算法；第三部分为第六章，从笔者的视角对社会化网络推荐算法研究进行简单总结和未来发展方向做出了评述与展望。
在此，向那些为本书出版工作提供帮助的人表达谢意。首先感谢北京邮电大学计算机学院孟祥武教授，在北京邮电大学读博士的4年里，孟老师在学术研究和生活方面都给了我巨大的帮助和支持，使我能安心于自己的研究课题，本书大部分内容都是在这段时间内完成的。此外感谢中南财经政法大学信息与安全工程学院领导、信息系各位老师均在本书出版过程中给予了支持和帮助，在此一并感谢。
其次，感谢国家青年自然科学基金（No61602518）、智能地学信息处理湖北省重点实验室开放研究课题（NoKLIGIP2016A06）对本课题研究工作和本书出版工作提供的经费支持。
笔者深知自己才疏学浅，对社会化网络推荐算法研究远远不够，且鉴于时间和精力有限，成稿仓促，书中难免会有错误和疏漏之处，望读者不吝赐教，笔者将感激不尽。
刘树栋
于中南财经政法大学
2017年11月
第一章 社会化推荐系统（１）
１１ 社会化推荐系统（３）
１１１ 社会化推荐系统的形式化定义（４）
１１２ 社会化推荐系统的基本框架模型（６）
１１３ 社会关系和网络模型的构建（７）
１２ 社会化推荐生成技术（１０）
１２１ 基于网络图模型的推荐方法（１１）
１２２ 矩阵分解方法（１４）
１２３ 因子分解机模型（ｆａｃｔｏｒｉｚａｔｉｏｎｍａｃｈｉｎｅ） （１９）
１２４ 概率模型（２０）
１３ 社会化推荐系统研究的热点和难点（２５）
１４ 结语（２８）
本章参考文献（２９）
第二章 基于位置的移动社会化网络推荐系统（４０）
２１ 基于位置的社会化网络（４０）
２１１ 基于位置的社会化网络的基本定义及３＋１ 框架模型（４０）
２１２ 基于位置的社会化网络的数据特征（４２）
２２ 基于位置的移动社会化网络推荐系统（４４）
２２１ 基于位置的移动社会化网络推荐系统基本特征（４４）
２２２ 基于位置的移动社会化网络推荐系统框架（４６）
２３ 基于位置的移动社会化网络推荐方法（４８）
２３１ 融合社会关系的基于位置的协同过滤推荐（４８）
２３２ 基于移动用户位置活动划分的图模型推荐（５０）
２３３ 基于移动用户位置轨迹相似的好友推荐（５１）
２３４ 多维上下文感知用户偏好学习及移动推荐（５２）
２４ 应用进展（５４）
２５ 结语（５５）
本章参考文献（５５）
第三章 基于位置的协同过滤移动网络服务推荐方法（６３）
３１ 引言（６３）
３２ 相关知识（６６）
３２１ 协同过滤推荐算法（６６）
３２２ 上下文信息与传统推荐算法的融合（６７）
３３ 基于位置的用户—网络服务特征模型（６８）
３３１ 基本数据模型（６８）
３３２ 基于位置的移动用户偏好特征（７０）
３４ 移动用户之间的信任关系（７２）
３４１ 直接好友关系（７２）
３４２ 间接好友关系（７３）
３５ 基于用户位置的网络服务推荐（７４）
３５１ 基于移动用户位置的网络服务推荐基本框架（７４）
３５２ 基于移动用户位置的网络服务推荐（７５）
３６ 性能分析（７９）
３６１ 数据稀疏性及冷启动问题（７９）
３６２ 复杂度分析（８０）
３７ 实验与分析（８０）
３７１ 实验数据集（８０）
３７２ 评价指标（８１）
３７３ 实验结果及分析（８２）
３８ 结语（９５）
本章参考文献（９６）
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（９９）
４１ 引言（９９）
４２ 相关工作（１０１）
４３ 基于用户活动区域划分的图模型推荐方法（１０３）
４３１ 移动用户位置活动区域的确定与划分（１０３）
４３２ 基于用户位置活动区域的图模型构建（１０５）
４３３ 推荐结果的生成（１０７）
４４ 实验与分析（１０９）
４４１ 实验数据集（１０９）
４４２ 评价指标及对比实验（１１４）
４４３ 实验结果与分析（１１５）
４５ 结语（１１６）
本章参考文献（１１７）
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（１２１）
５１ 引言（１２１）
５２ 相关工作（１２３）
５２１ 基于位置的社会化网络好友推荐方法（１２３）
５２２ 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（１２４）
５３ 问题描述（１２５）
５４ 用户签到位置的时空特性（１２６）
５４１ 用户的签到频率（１２６）
５４２ 相邻两个签到位置点之间的移动速度（１２７）
５５ 基于用户签到位置轨迹相似的近邻好友推荐（１２９）
５５１ 基于时间周期的用户签到位置轨迹构建（１２９）
５５２ 用户签到位置轨迹中重要区域的识别（１３１）
５５３ 轨迹模式类型（１３４）
５５４ 用户签到位置轨迹相似性（１３６）
５５５ 基于用户签到位置轨迹的近邻好友推荐（１３７）
５６ 实验与分析（１３８）
５６１ 实验数据及推荐效果的评价指标（１３８）
５６２ 实验设计及结果分析（１３９）
５７ 结语（１４３）
本章参考文献（１４３）
第六章 基于位置等多维上下文感知的移动前摄
推荐方法（１４７）
６１ 引言（１４７）
６２ 移动网络环境中的基本数据模型（１４８）
６３ 多维上下文感知下用户适应性选择偏好学习方法（１４９）
６３１ 上下文影响因素的确定（１４９）
６３２ 多维上下文感知下用户适应性选择层次分析
模型（１５１）
６３３ 算法描述及复杂性分析（１５６）
６４ 移动用户多维上下文环境下动态转移（１６０）
６５ 移动前摄推荐策略（１６２）
６６ 实验与分析（１６３）
６６１ 实验数据集（１６３）
６６２ 对用户行为选择有影响的上下文类型的确定（１６３）
６６３ 优化选择参数及μ训练数据集对学习准确率的影响（１６４）
６６４ 推荐结果分析（１６７）
６７ 结语（１６９）
本章参考文献（１７０）
第七章 总结与展望（１７３）
７１ 总结（１７３）
７２ 展望 （１７６）
书单推荐
