基于用戶興趣度和地理位置的活動(dòng)推薦.pdf

1、隨著社交網(wǎng)站熱潮席卷全球，各種SNS網(wǎng)站也如雨后春筍般迅速崛起，人們不再滿足于線上活動(dòng)和互動(dòng)，開始轉(zhuǎn)向線下活動(dòng)。Meetup網(wǎng)站一直以服務(wù)社區(qū)出名，通過一些小組，專門組織一些有著共同興趣愛好的人們參與線下活動(dòng)。為了讓用戶更好地享受這些網(wǎng)站帶來的樂趣，群組活動(dòng)推薦算法成為研究熱點(diǎn)。傳統(tǒng)的推薦算法大都是根據(jù)用戶的興趣愛好、標(biāo)簽之類作為推薦依據(jù)，忽略了多樣化的社會(huì)關(guān)系、位置信息。本文結(jié)合傳統(tǒng)的推薦算法，從用戶的個(gè)人偏好、多樣化的社會(huì)關(guān)系、位置

2、的異構(gòu)性、活動(dòng)內(nèi)容進(jìn)行分析，提出了基于用戶興趣度和地理位置的活動(dòng)推薦模型。該模型從線上標(biāo)簽和線下活動(dòng)考慮多樣化的社會(huì)關(guān)系，采用聚類算法將群組根據(jù)位置信息劃分區(qū)域，再結(jié)合隱語義模型做出群組的推薦；之后再根據(jù)活動(dòng)內(nèi)容利用邏輯回歸模型進(jìn)行活動(dòng)推薦，提高推薦算法的準(zhǔn)確性及可信度。
　　該模型由對(duì)用戶進(jìn)行活動(dòng)的推薦擴(kuò)展到先對(duì)用戶進(jìn)行群組推薦，再結(jié)合用戶的行為特征，對(duì)推薦群組里組織的活動(dòng)進(jìn)行推薦，縮小了活動(dòng)推薦的范圍，提高效率。對(duì)于模型的評(píng)估