基于时间效应的兴趣点推荐混合模型

摘要：

在基于位置的社交网络中,兴趣点实时推荐数据和用户签到数据存在高稀疏性问题.提出一种基于时间效应的混合推荐模型.通过用户潜在兴趣点数据模型计算用户时间行为影响分数和地理位置影响分数,并用线性统一模型进行处理,选取Top S个兴趣点作为用户的潜在兴趣点.将用户的潜在签到记录引入基于时间效应的矩阵分解模型中,考虑时间差异性和连续性对推荐结果的影响,在此基础上进行优化求解,提出推荐策略.实验结果表明,与LRT模型、UTE+ SE模型相比,该模型的推荐效果较好,其准确率和召回率最高可达0.103 4和0.111 8.

关键词：基于位置的社交网络、时间信息、地理位置信息、矩阵填充、矩阵分解、实时推荐、兴趣点

所属期刊栏目：45

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金61300104;福建省自然科学基金2018J01791

在线出版日期：2019-08-27（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：203-209