10.16208/j.issn1000-7024.2022.11.016
基于矩阵分解的上下文感知兴趣点推荐方法
为解决兴趣点推荐中个性化不足和推荐性能较差的问题,提出一种基于矩阵分解的上下文感知兴趣点推荐方法.通过建立矩阵分解模型综合考虑时间、地理位置等上下文信息对兴趣点推荐的影响,在协同过滤算法中融入时间序列建模用户偏好,利用随机梯度下降法优化矩阵分解模型的参数,提高模型的运行效率.实验结果表明,该方法能够满足不同用户的个性化需求,相比于其它主流兴趣点推荐方法有着更好的推荐性能.
兴趣点推荐、上下文感知、矩阵分解、协同过滤、多样性评价
43
TP391(计算技术、计算机技术)
国家自然科学基金;国家文化;旅游科技创新工程基金项目
2022-12-01(万方平台首次上网日期,不代表论文的发表时间)
共8页
3108-3115