基于地理位置和社交關系的興趣點推薦算法研究.pdf

1、位置社交服務的廣泛使用使得興趣點推薦獲得了學術界與工業(yè)界的極大關注。興趣點推薦指為用戶推薦感興趣的地點，包括商家、機構、公共場所等。在位置社交服務中，用戶通常以簽到的方式，與好友或者網(wǎng)友分享他們的經(jīng)驗或評論。在用戶與位置服務進行互動時，會產(chǎn)生大量的數(shù)據(jù)，如評論、打分、社交關系、地理位置等信息，這些數(shù)據(jù)為挖掘用戶偏好提供了基礎。通過分析用戶歷史數(shù)據(jù)，興趣點推薦技術可以幫助用戶找到感興趣的地點（探索城市）、減少決策時間、提供更好的用戶體驗，

2、而且通過結(jié)合營銷技術可增加商業(yè)利潤。
　　利用豐富的多源異構信息提升推薦系統(tǒng)用戶體驗的同時，也面臨一些挑戰(zhàn)。一方面，用戶興趣具有多樣性;另一方面，與傳統(tǒng)推薦系統(tǒng)類似，興趣點推薦系統(tǒng)也面臨數(shù)據(jù)稀疏性、冷啟動等問題。由此，本文聚焦于如何利用多源異構信息去捕捉用戶興趣多樣性，以及如何利用多源異構信息去解決數(shù)據(jù)稀疏性的問題。本文主要關注地理位置和社交關系兩方面信息。為了解決上述問題，本文開展了基于地理位置和社交關系的興趣點推薦技術研究，即

3、通過利用地理位置和社交關系，精準刻畫用戶興趣，從而對用戶將要訪問的地點進行準確預測與推薦。具體而言，本文主要研究內(nèi)容、成果如下:
　　針對用戶興趣多樣性問題，本文提出基于用戶心理和地理位置表現(xiàn)建模用戶軌跡的興趣點推薦算法。直觀地，用戶簽到行為是用戶心理的一種表現(xiàn)。具體而言，用戶對多個地點的評價和訪問并非獨立存在，而是用戶對一個商圈內(nèi)多個商家綜合比較后的喜愛與否的心理表現(xiàn)?；诖擞^察，本工作依據(jù)簽到行為的比較性、差異性、局部性，利用

4、簽到次數(shù)與位置信息建模用戶興趣，準確地刻畫用戶心理。本工作結(jié)合經(jīng)濟學中的效用理論與冪律分布建模用戶行為。具體而言，使用效用理論刻畫比較性、差異性，采用冪律分布刻畫局部性，利用效用理論去設計優(yōu)化函數(shù)，然后融合冪律分布作出最后的預測。在Brightkite和Gowalla數(shù)據(jù)集上實驗結(jié)果表明，基于用戶心理和地理位置表現(xiàn)的興趣點推薦算法優(yōu)于對比算法。
　　針對數(shù)據(jù)稀疏性問題，本文提出基于興趣圈中專家關系的興趣點推薦算法。依據(jù)社會學中的“

5、同質(zhì)性”理論，用戶與其社交網(wǎng)絡中的“好友”有相似性的偏好，很多學者通過融入社交關系來解決數(shù)據(jù)稀疏性問題。然而，融合社交關系的推薦方法鮮有考慮意見領導者（專家）的作用。本文設計一個基于興趣圈中專家關系的興趣點推薦算法，可以更好地解決推薦中的數(shù)據(jù)稀疏性問題。依據(jù)同質(zhì)性理論，本文認為對于那些和“朋友”有不同興趣愛好的用戶，與他們在一個興趣圈中專家對他們的影響更大。具體而言，本工作首先采用無監(jiān)督的方法識別出社交網(wǎng)絡中顯式和隱式的專家。然后按照其