基于社交環(huán)境和時空數(shù)據(jù)的個性化位置推薦研究.pdf

1、移動智能設(shè)備的廣泛普及促使社交服務(wù)快速向移動終端發(fā)展，基于位置的社交網(wǎng)絡(luò)（Location-basedSocialNetwork,簡稱LBSN）便應(yīng)運而生。該類社交網(wǎng)絡(luò)憑借位置服務(wù)特性成功吸引了大量用戶注冊使用，海量社交和位置信息為發(fā)掘用戶行為模式提供了數(shù)據(jù)支撐。為了完善位置服務(wù)，研究用戶移動行為并提供個性化位置推薦具有重要的現(xiàn)實意義。
　　基于位置的社交網(wǎng)絡(luò)包含豐富的社交和簽到數(shù)據(jù)，社交數(shù)據(jù)揭示了用戶之間的內(nèi)在聯(lián)系，具有時空特性

2、的簽到數(shù)據(jù)反映了用戶真實的線下活動軌跡。因此，挖掘社交和簽到數(shù)據(jù)有助于理解用戶的移動行為，進而提高個性化位置推薦的準確性。本文從上述兩方面信息入手，以提高推薦準確性為目標對社交環(huán)境中個性化位置推薦進行深入研究，主要創(chuàng)新點及研究成果如下：
　?、貺BSN用戶在進行社會活動時展現(xiàn)出了強烈的時間周期性，簽到行為和社交影響與用戶當前所處的時間狀態(tài)密切相關(guān)。為了在推薦模型中引入時間周期特性，本文提出了基于時間狀態(tài)的社交圈概念，將社交好友按時

3、間狀態(tài)重新劃分，更細粒度的確定社交影響的范圍；
　?、诒疚囊陨缃蝗榛A(chǔ)對社交環(huán)境中存在的多種社交因素進行研究，包括：個人偏好、偏好相似度、社交信任以及親近度。同時，結(jié)合簽到數(shù)據(jù)中包含的時間和地理空間信息提出了合理的計算方法對社交因素進行量化，最終將它們注入到推薦模型中以體現(xiàn)社交因素對用戶決策過程的影響；
　　③本文針對LBSN提出了全新的個性化位置推薦模型STS（Social,Temporal,Spatial），該模型融入