10.11896/j.issn.1002-137X.2017.12.044
位置社交网络中基于评论文本的兴趣点推荐
随着位置社交网络(Location-Based Social Networks,LBSN)的快速发展,兴趣点(Point-Of-Interest,POI)推荐对于用户和商家愈发重要.目前基于社交网络的兴趣点推荐算法主要利用用户的历史签到数据和社交网络数据来提升推荐质量,但忽略了利用兴趣点的评论文本数据;并且LBSN中的数据经常会存在部分信息缺失的情况,对兴趣点推荐算法而言如何保证鲁棒性是一个巨大的挑战.为此,提出了一种新的用户兴趣点推荐模型,称其为SoGeoCom模型.该模型融合了用户社交网络数据、地理位置数据以及兴趣点的评论文本数据这3个因素来进行兴趣点推荐.基于来自Yelp的真实数据集的实验结果表明,与其他主流的兴趣点推荐算法相比,SoGeoCom模型能够提高准确率和召回率,并且具有良好的鲁棒性,获得了更好的推荐效果.
用户兴趣点推荐、社交网络、评论文本、地理信息
44
TP311(计算技术、计算机技术)
国家自然科学基金61303029;科技部国家科技支撑计划基金项目2012BAH89F01
2018-04-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
245-248,278