基于位置社交网络的兴趣点推荐

扫码查看

原文链接

NETL

中文摘要：近年来，随着互联网技术的不断发展，基于位置的社交网络(Location-basedSocialNetworks,LBSN)开始被广泛应用，兴趣点(Point-of-Interest,POI)推荐是其重要的服务之一。虽然POI推荐在学术界和工业界都已取得了一定的研究成果，但仍存在签到数据稀疏和上下文信息挖掘不充分的问题。本文在现有研究基础上深入挖掘社交、地理和时间等上下文信息对用户签到行为的影响，对POI推荐模型加以改进。 1.提出一种融合社交关系和局部地理因素的POI推荐模型。为了缓解签到数据稀疏带来的影响，本文通过融合社交关系和地理位置信息来丰富有效数据。首先，在分析社交关系影响时，考虑到LBSN中多数用户与社交好友间拥有较少甚至没有共同签到，无法准确地计算用户与社交好友间的签到相似度，本文通过引入距离相似度来减少计算误差。其次，在分析地理因素影响时，本文为每个用户划分一个局部活动区域，根据区域内POI的签到相关性更加充分地剖析用户签到的地理偏好。最后，基于矩阵分解融合社交关系和局部地理因素，构建POI推荐模型。实验结果表明，该模型在准确率和召回率上均有所提升，可以有效地缓解数据稀疏性问题。 2.提出一种基于多中心时空因素影响的POI推荐模型。目前，对于POI推荐中时间和地理位置上下文信息影响的研究，往往都是针对时间和地理位置信息单独建模，没有深入挖掘信息间的关联，无法全面而准确地建模用户签到行为。对此，本文通过联合时间和地理位置信息深入挖掘用户签到的时空信息关联。首先，分析用户在不同时间状态下的多中心签到行为，构建不同时间状态下的多中心地理因素影响模型。其次，本文还分析了用户签到时间的非均匀性和连续性特征，分别建模这两种时间特征对用户签到行为的影响。最后，基于矩阵分解融合时空上下文信息，构建一个更加符合用户偏好的POI推荐模型。实验结果表明，该模型能够有效挖掘时空上下文信息，从而提高推荐性能。

作者：

张金凤

展开 >

关键词：

位置社交网络兴趣点推荐社交关系地理因素时间因素

授予学位：

硕士

学科专业：

计算机技术

导师：

夏英

学位年度：

2021

学位授予单位：

重庆邮电大学

语种：

中文

中图分类号：