融合時(shí)空特征的興趣點(diǎn)推薦算法研究.pdf

1、隨著基于位置社交網(wǎng)絡(luò)的發(fā)展和信息過(guò)載問(wèn)題的出現(xiàn)，使得興趣點(diǎn)推薦研究得到國(guó)內(nèi)外研究學(xué)者的廣泛關(guān)注?；谖恢蒙缃痪W(wǎng)絡(luò)中的興趣點(diǎn)推薦不僅可以幫助用戶(hù)有效地發(fā)現(xiàn)新地方，為用戶(hù)帶來(lái)全新的生活體驗(yàn)，而且可以為興趣點(diǎn)商家吸引更多的潛在客戶(hù)，提高商家的商業(yè)利益。
　　為全面分析簽到數(shù)據(jù)的特征和提高興趣點(diǎn)推薦的精度，本文基于興趣點(diǎn)推薦問(wèn)題對(duì)用戶(hù)簽到數(shù)據(jù)的統(tǒng)計(jì)特征進(jìn)行分析，根據(jù)發(fā)現(xiàn)的簽到特征進(jìn)行興趣點(diǎn)推薦算法的深入研究。
　　首先，提出了融合時(shí)

2、間特征和協(xié)同過(guò)濾的興趣點(diǎn)推薦算法。主要從用戶(hù)簽到數(shù)據(jù)的時(shí)間特征方面，對(duì)位置社交網(wǎng)絡(luò)中大量的用戶(hù)簽到數(shù)據(jù)進(jìn)行分析，提取用戶(hù)簽到的相似性特征以及時(shí)間的差異性、連續(xù)性特征。在此基礎(chǔ)上，利用相似性特征進(jìn)行用戶(hù)過(guò)濾，并采用基于連續(xù)時(shí)間槽的余弦相似度計(jì)算用戶(hù)間的相似度，得到融合時(shí)間特征和協(xié)同過(guò)濾的興趣點(diǎn)推薦算法。該算法采用連續(xù)時(shí)間槽的平滑技術(shù)解決數(shù)據(jù)稀疏問(wèn)題。
　　然后，提出了融合二維空間特征和核密度估計(jì)的興趣點(diǎn)推薦算法。主要從用戶(hù)簽到數(shù)據(jù)的

3、空間特征方面，進(jìn)一步分析用戶(hù)簽到數(shù)據(jù)，得到空間的流行度特征和用戶(hù)簽到位置歷史特征，發(fā)現(xiàn)利用二維空間特征對(duì)興趣點(diǎn)推薦更具有優(yōu)勢(shì)。因此，利用二維空間特征提出了基于流行度的二維高斯核密度估計(jì)，其中采用基于連續(xù)時(shí)間槽的興趣點(diǎn)流行度進(jìn)行流行度評(píng)估。本文將上述兩種算法進(jìn)行正規(guī)化處理并融合，得到融合時(shí)空特征的推薦算法。
　　最后，利用公開(kāi)的Foursquare和Gowalla簽到數(shù)據(jù)集對(duì)以上算法做了驗(yàn)證。實(shí)驗(yàn)表明，與已有同類(lèi)算法相比，本文提出的