面向LBSN的興趣點(diǎn)和路線推薦系統(tǒng).pdf

1、隨著Web2.0、移動(dòng)定位技術(shù)的快速發(fā)展和智能手機(jī)的普及，近年來(lái)涌現(xiàn)了一大批基于位置的社交網(wǎng)絡(luò)，如Foursquare、Facebook Places和Gowalla等。基于位置的社交網(wǎng)絡(luò)將現(xiàn)實(shí)世界的地理位置引入到虛擬網(wǎng)絡(luò)中，用戶可以通過(guò)自身攜帶的智能終端進(jìn)行“簽到”，在虛擬網(wǎng)絡(luò)中留下自己真實(shí)的地理位置信息，并可以將熱衷的興趣點(diǎn)和旅行體驗(yàn)分享給自己的好友。
　　隨著互聯(lián)網(wǎng)的快速興起，在線購(gòu)物和社交網(wǎng)絡(luò)的蓬勃發(fā)展，服務(wù)提供商獲取的數(shù)

2、據(jù)稀疏性和分散性問(wèn)題日益嚴(yán)峻。數(shù)據(jù)集中絕大多數(shù)數(shù)值缺失或者為零，導(dǎo)致絕大部分基于關(guān)聯(lián)分析的推薦方法推薦質(zhì)量和準(zhǔn)確度嚴(yán)重下降或者無(wú)法產(chǎn)生推薦。居心不良的用戶可以通過(guò)不正當(dāng)手段向基于位置的社交網(wǎng)絡(luò)中注入大量無(wú)用且虛假的信息來(lái)改變推薦結(jié)果，使得基于協(xié)同過(guò)濾的推薦方法容易受不良用戶的影響而產(chǎn)生錯(cuò)誤的推薦結(jié)果。而且基于協(xié)同過(guò)濾的推薦方法的時(shí)間開(kāi)銷(xiāo)受用戶和項(xiàng)目數(shù)量影響，當(dāng)系統(tǒng)規(guī)模增長(zhǎng)時(shí)，算法性能下降很快。針對(duì)傳統(tǒng)社交網(wǎng)絡(luò)推薦中的痛點(diǎn)，傳統(tǒng)協(xié)同過(guò)濾推

3、薦方法急需改變自身推薦方式和引入新的數(shù)據(jù)源來(lái)改善和提高推薦質(zhì)量。
　　而另一方面，當(dāng)用戶訪問(wèn)一個(gè)新的城市時(shí)，雖然有一些旅行指南網(wǎng)站可以提供很多內(nèi)容，如景點(diǎn)的照片、評(píng)論和詳盡的旅行游記。然而，讓用戶個(gè)人從繁雜、未經(jīng)加工處理過(guò)的原材料中獲取有用的信息，不僅費(fèi)時(shí)費(fèi)力，還會(huì)給用戶帶來(lái)煩躁的情緒。由此，自動(dòng)化和個(gè)性化的推薦深受用戶的期待和喜愛(ài)。特別是個(gè)性化推薦曰益受到關(guān)注，因?yàn)槠淠苡行У恼嫌脩舻膫€(gè)人偏好（如文化、性格、習(xí)慣等），使用戶得到

4、高滿意度的旅行體驗(yàn)。
　　針對(duì)上述興趣點(diǎn)推薦和線路推薦研究中存在的挑戰(zhàn)和問(wèn)題，本文從以下兩個(gè)方面進(jìn)行研究:
　　(1)本文將信任關(guān)系融入到興趣點(diǎn)推薦系統(tǒng)中，一方面社交網(wǎng)絡(luò)中的信任關(guān)系能體現(xiàn)出用戶間的相互影響力和偏好相似性;另一方面社交網(wǎng)絡(luò)中加入信任關(guān)系后能有效改善傳統(tǒng)推薦方法的冷啟動(dòng)和易受惡意推薦攻擊等問(wèn)題。本文分析了信任和不信任關(guān)系的傳播特征，給出信任度的表示和計(jì)算方法，提出一個(gè)融合用戶相似性，地理位置和信任關(guān)系的混合推薦