面向LBSN的興趣點和用戶推薦方法研究.pdf

1、隨著移動互聯(lián)網(wǎng)技術(shù)的蓬勃發(fā)展，位置獲取變得越來越方便，位置信息從根本上增強了傳統(tǒng)的社交網(wǎng)絡服務，導致了一個新的社交網(wǎng)絡的產(chǎn)生，稱之為基于位置的社交網(wǎng)絡。近年來，隨著基于位置的社交網(wǎng)絡的快速發(fā)展，其包含的數(shù)據(jù)有了爆發(fā)式的增長。將推薦技術(shù)運用到基于位置的社交網(wǎng)絡中，逐漸受到學者們的關(guān)注，并迅速成為了一個熱點的研究領域。
　　本文主要研究興趣點推薦和用戶推薦，通過充分利用基于位置的社交網(wǎng)絡中的時間、空間、社交以及歷史等信息，針對這兩種推

2、薦提出了相應的推薦方法。本文的主要研究工作如下：
　　(1)分析了推薦技術(shù)在基于位置的社交網(wǎng)絡中的研究現(xiàn)狀，探討了典型算法的研究思路和優(yōu)劣，為后續(xù)的研究工作提供了理論基礎。
　　(2)針對興趣點推薦效果受用戶行為影響的現(xiàn)象，本文對時間、歷史、社交以及空間等維度對用戶的影響力進行分析，最終綜合考慮這些維度對用戶行為的影響，提出了一種多維度融合的興趣點推薦方法。
　　(3)針對商家希望獲取潛在用戶的需求，本文對用戶的偏好進

3、行建模，闡述了如何利用提出的空間-偏好反向kRanks查詢方法進行用戶推薦。而用戶的需求是隨著時間而變化的，因此本文利用基于樹的剪枝算法對空間-偏好反向kRanks查詢方法進行改進，避免了不必要的計算，提升了推薦速度，從而能夠把握用戶的實時需求。最終，本文以基于樹的剪枝算法為核心，提出了一種改進的空間-偏好反向kRanks用戶推薦方法。
　　本文從真實的基于位置的社交網(wǎng)絡Foursquare，Gowalla，Brightkite上