LBSN中基于簽到有序?qū)Φ膶崟r位置推薦.pdf

1、近幾年來，隨著在線社交網(wǎng)絡(luò)的發(fā)展和基于位置的服務(wù)興起，使得基于位置的社交網(wǎng)絡(luò)(LBSN)應(yīng)運而生，它成功的連接了用戶的線上與線下行為。伴隨著它的迅猛發(fā)展，用戶的行為數(shù)據(jù)得到大量積累，從而為該平臺中的個性化位置推薦研究提供了基礎(chǔ)，然而，其中大部分研究忽略了LBSN的移動特性。一方面，大規(guī)模的數(shù)據(jù)隱藏著用戶的行為模式和個人偏好等規(guī)律;另一方面，LBSN作為一個典型的移動社交網(wǎng)絡(luò)，用戶上下文信息是不斷變化的。基于這兩方面，本論文將結(jié)合用戶當前

2、位置信息挖掘隱藏規(guī)律以實現(xiàn)實時位置推薦。
　　首先，引入信息檢索領(lǐng)域中的基于文檔對的“排序?qū)W習”思想，實現(xiàn)對待推薦位置集合的排序。從預處理后的簽到數(shù)據(jù)集中為每個用戶提取出發(fā)生在短時間內(nèi)的兩個連續(xù)簽到，將它們比作簽到有序?qū)?，并為其選取負例以構(gòu)成帶有偏序關(guān)系的位置正負例對，最終依據(jù)所有偏序關(guān)系數(shù)據(jù)獲取待推薦位置集合的全序關(guān)系，從而生成推薦列表。本論文將探討不同的負例選取對位置排序結(jié)果的影響。
　　其次，在基于位置對的排序?qū)W習方法

3、的基礎(chǔ)上結(jié)合相似用戶和孤立簽到屬性數(shù)據(jù)以提高推薦的準確率。其中相似用戶數(shù)據(jù)包括兩個方面，一是由真實社交關(guān)系構(gòu)成的相似用戶數(shù)據(jù)，二是由共同歷史訪問記錄衡量出的相似用戶數(shù)據(jù);孤立簽到數(shù)據(jù)則是提取簽到有序?qū)笥嘞碌暮灥健?br>　　最后，我們在Foursquare數(shù)據(jù)集上進行實驗，以驗證基于位置對的排序?qū)W習方法的有效性，并比較融入額外屬性信息后對推薦結(jié)果的影響。結(jié)果表明:對用戶已訪問過或當前位置轉(zhuǎn)移到過的位置進行排序優(yōu)化，有利于提高推薦的準確