基于位置社交網絡的個性化地點推薦方法研究.pdf

1、隨著移動手機的普及與GPS定位技術的日益成熟，獲取人們的位置信息越來越容易，基于位置的社交網絡(Location-based Social Networks，LBSNs)越來越流行。為了解決LBSNs上的信息過載問題，快速發(fā)現(xiàn)用戶感興趣的地點并為用戶提供個性化地點推薦成為學者們研究的重點。協(xié)同過濾算法因其簡單、高效、可解釋性強等優(yōu)點得到廣泛的應用，其推薦效果依賴用戶的評分數(shù)據(jù)。在地點推薦中，協(xié)同過濾算法是基于用戶-地點簽到矩陣實現(xiàn)的。然

2、而由于用戶簽到記錄較少，而且用戶簽到記錄中沒有負樣本，用戶-地點簽到矩陣稀疏性非常高，從而導致傳統(tǒng)的協(xié)同過濾算法的推薦效果并不理想。為了緩解數(shù)據(jù)稀疏性對地點推薦中協(xié)同過濾方法的影響，本文對地點推薦方法進行了進一步研究，研究工作與成果具體如下:
　　(1)針對數(shù)據(jù)稀疏性對地點推薦中基于近鄰的協(xié)同過濾方法的影響，設計了一種基于用戶時空相似性的地點推薦方法?；跁r間對用戶簽到行為的周期性影響，通過將用戶簽到矩陣按時間進行分割的方法引入時

3、間屬性，根據(jù)用戶-地點-時間矩陣計算時間感知的用戶相似性。同時設計一種時間相似性計算方法，并根據(jù)時間相似性對用戶-地點-時間矩陣進行填補，緩解了因為時間分割所引起的用戶-地點-時間矩陣高稀疏的問題?；谟脩艉灥叫袨榈目臻g聚集性，通過多中心聚類算法發(fā)現(xiàn)用戶簽到的活躍區(qū)域，結合用戶對活躍區(qū)域的偏好以及未簽到地點與活躍區(qū)域中心的距離，計算用戶的空間相似性。最后將時間感知的用戶相似性與用戶空間相似性結合得到用戶時空相似性。
　　(2)針對

4、數(shù)據(jù)稀疏性對地點推薦中基于矩陣分解的協(xié)同過濾方法的影響，設計了一種基于用戶偏好的地點推薦方法。首先通過結合用戶地點類型偏好、地理位置限制以及地點熱度計算用戶對未簽到地點的偏好，并基于用戶偏好，按一定負正比例選擇負樣本，對用戶-地點簽到0/1矩陣進行填補。然后根據(jù)用戶簽到頻次以及用戶對未簽到地點的偏好，構建權重矩陣。最后構建加權矩陣分解算法，并利用交替最小二乘法進行優(yōu)化求解。
　　(3)設計了相關的對比算法，并在真實的LBSNs數(shù)據(jù)