融合时空上下文信息的兴趣点推荐
为了给用户提供更好的位置服务,提出了一种位置社交网络中融入时空上下文信息的混合个性化兴趣点推荐模型.在空间上,对用户签到进行层次聚类,对各聚类内二维核密度估计的结果取平均.在时间上,利用用户签到的时间信息、签到的位置信息及社交网络构建转移矩阵,运行改进图的随机游走模型.混合模型融合时空上下文信息做推荐.在真实数据集上的实验结果表明,无论在标准推荐场景还是冷启动场景下,混合推荐模型的准确率和召回率性能均优于基准方法.
位置社交网络、时空上下文、兴趣点推荐、图的随机游走
41
TP301(计算技术、计算机技术)
2018-05-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
37-42,50