10.11896/j.issn.1002-137X.2019.04.036
基于用户兴趣和地理因素的兴趣点推荐方法
在基于位置的社交网络中,协同过滤作为目前应用最广泛的推荐技术,存在数据稀疏性和冷启动等问题.针对协同过滤算法的不足,提出了一种结合用户兴趣和地理因素的兴趣点推荐算法.该方法首先通过自适应带宽的核密度分布、朴素贝叶斯算法以及兴趣点的流行度挖掘用户的地理偏好,并根据地理偏好模型筛选出一部分候选推荐兴趣点;然后,为了克服协同过滤算法的数据稀疏性问题和用户冷启动问题,结合用户签到相似性、类别信息和用户信任度构建用户偏好模型进行兴趣点推荐;最后,使用Yelp数据集进行实验分析,结果表明所提出的基于用户兴趣和地理因素的兴趣点推荐模型取得了良好的推荐效果.
兴趣点推荐、地理偏好、类别信息、信任关系、协同过滤
46
TP311(计算技术、计算机技术)
国家自然科学基金 61271259 ,重庆市基础科学与前沿技术研究项目CSTC2016jcyA0398 ,CTSC2011jjA40006 ,CTSC2012jjA40038 ,重庆教育委员会研究项目KJ120501C
2019-05-28(万方平台首次上网日期,不代表论文的发表时间)
共7页
228-234