基于LBS和社會網(wǎng)絡(luò)標(biāo)簽的個性化推薦研究.pdf

1、隨著移動互聯(lián)網(wǎng)和移動通信網(wǎng)絡(luò)的飛速發(fā)展，移動智能終端設(shè)備日益普及，原有的PC端服務(wù)和平臺也逐漸向移動端轉(zhuǎn)移。在移動網(wǎng)絡(luò)環(huán)境中，用戶的移動推薦需求受移動情境影響極大，同時伴隨著移動終端屏幕小、處理能力差、輸入速度受限等諸多因素，用戶對推薦實時性和推薦精度有更高要求。因次，在移動環(huán)境下，傳統(tǒng)的推薦方法已不能滿足用戶要求。
　　針對移動環(huán)境中的推薦需求，本文提出一種結(jié)合LBS和社會網(wǎng)絡(luò)標(biāo)簽的推薦方法。借助用戶在移動環(huán)境中的社會標(biāo)注行為及

2、已有的信任社會網(wǎng)絡(luò)關(guān)系，從與目標(biāo)用戶關(guān)聯(lián)度高的用戶中尋找反映用戶興趣的信息;同時考慮到移動環(huán)境中用戶的興趣隨空間及時間變化的情況，引入用戶位置及標(biāo)注時間，獲得更加符合用戶興趣愛好的個性化信息，提高推薦信息的實時性，減少推薦的盲目性，進而提高推薦的準(zhǔn)確性。
　　推薦方法原理是:首先借助已有的定位技術(shù)獲得用戶位置信息，并將地理位置按照金字塔模型劃分層級和區(qū)域;然后，應(yīng)用社會網(wǎng)絡(luò)分析方法對用戶-資源-標(biāo)簽進行分析，得到用戶標(biāo)注資源和用戶

3、社會關(guān)系的雙層網(wǎng)絡(luò)模型;再綜合興趣愛好和空間位置，得到融合的雙層模型;分別計算融合的雙層模型中用戶關(guān)系相似度和用戶空間位置相似度;最后，將兩個相似度加權(quán)，得到用戶的綜合相似度，綜合相似度高的項目為推薦項目集，返回給目標(biāo)用戶進行項目推薦。
　　本文在Foursquare數(shù)據(jù)集進行對比實驗。實驗數(shù)據(jù)包括用戶個人信息、標(biāo)簽信息、社會關(guān)系信息以及位置序列;對比算法包括本文提出的推薦算法、傳統(tǒng)的協(xié)同過濾算法以及基于LBS的推薦算法。實驗結(jié)果