数字标牌是城市信息共享和公共服务的新型传播媒介，是促进数字经济发展的催化剂。大数据背景下的数字标牌的精准推荐是高效利用资源、实现投放效益最大化的关键。本书在经验区位选址理论基础上，扩展基于地理空间智能的选址方法，耦合多源影响因子构建城市数字标牌精准推荐模型。本书将进一步完善城市数字标牌布局与投放的理论支撑，为后疫情时代地理大数据与空间智能技术赋能数字经济提供新的思路和典型案例。 本书可以供高等院校计算机、地理信息科学、管理学等相关专业学生阅读，同时也可供相关领域的科技工作者参考。

第1章 绪论
1.1 数字标牌概述
1.1.1 数字标牌简介
1.1.2 智能化数字标牌
1.1.3 数字标牌相关研究
1.2 大数据时代的数字标牌精准推荐
1.3 数字标牌位置推荐方法
1.3.1 推荐算法原理与分类
1.3.2 常用位置推荐方法
1.4 数字标牌广告主题优化
1.4.1 问题转换方法原理
1.4.2 问题转换方法的典型算法
1.4.3 算法适应方法原理
1.4.4 算法适应方法的典型算法
1.5 城市数字标牌发展
1.6 本书主要内容与创新
1.6.1 研究内容
1.6.2 技术路线
1.7 本章小结
第2章 数字标牌多尺度区位因子构建
2.1 研究区与研究数据
2.1.1 研究区
2.1.2 数据需求和来源
2.2 数据多尺度空间化
2.3 数据相关性分析
2.4 本章小结
第3章 数字标牌空间结构特征研究
3.1 研究方法
3.1.1 点模式分析方法
3.1.2 空间等级性划分方法
3.2 数字标牌空间分布特征
3.3 数字标牌等级性特征
3.4 数字标牌影响因素分析
3.5 本章小结
第4章 基于内容推荐算法的数字标牌位置推荐模型
4.1 引言
4.2 要素区域划分
4.3 数字标牌位置推荐
4.3.1 影响因素权重计算
4.3.2 基于内容的推荐算法
4.3.3 数字标牌位置推荐计算
4.4 实验与分析
4.4.1 评价指标
4.4.2 区域划分结果
4.4.3 位置推荐结果
4.5 本章小结
第5章 集优Huff模型与预测方法的数字标牌位置优选模型
5.1 基于Huff模型的数字标牌位置初步筛选
5.2 基于机器学习方法的数字标牌位置精细筛选
5.3 实验与分析
5.3.1 评价指标
5.3.2 初步选址结果
5.3.3 精细选址结果
5.3.4 位置优选结果
5.4 本章小结
第6章 融合神经网络和Huff模型的数字标牌主题优选模型
6.1 引言
6.2 BP多标签分类模型
6.2.1 BP分类模型
6.2.2 改进的BP分类模型
6.3 基于Huff-BP的多标签分类模型
6.3.1 改进的Huff模型
6.3.2 基于Huff-BP多标签模型构建
6.4 实验与分析
6.4.1 评价指标
6.4.2 模型评价
6.4.3 结果分析
6.5 本章小结
第7章 主要结论及展望
7.1 主要结论
7.2 研究展望
附录A 主要缩略词含义
参考文献