稀疏数据中基于高斯混合模型的位置推荐框架

摘要：

协同过滤和概率模型是位置推荐中的常用方法,但前者没有考虑用户的移动模式,后者也难以用于稀疏数据集.针对上述问题,面向稀疏数据构建基于高斯混合模型的位置推荐框架GMMSD.按时间段划分用户签到的历史数据,通过数据预处理获取用户-区域矩阵,并利用矩阵分解算法提高稀疏数据的推荐准确度,学习高斯混合模型以预测用户出现在不同区域的概率分布,从而进行位置推荐.在真实数据集上的实验结果表明,GMMSD可以有效提高稀疏数据中位置推荐的准确度.

关键词：位置推荐、矩阵分解、高斯混合模型、移动模式、概率分布

所属期刊栏目：44

分类号：TP391(计算技术、计算机技术)

在线出版日期：2018-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：62-68