多维度偏好建模的动态兴趣点群组推荐算法

摘要：

随着互联网数据信息的海量化和地理社交网络(GSNs)的不断发展,群组活动在社会生活中盛行,推荐问题的对象由个人向群组进行延伸,兴趣点(POI)群组推荐问题也逐渐成为研究的热点问题.由于GSNs中用户偏好的多因素影响和群组决策过程的复杂化,传统的方法已经不再适用.为了充分挖掘GSNs中用户偏好和模拟群组决策过程,以提高群组推荐的整体性能,提出了一种基于多维度偏好建模的动态兴趣点群组推荐方法.首先,结合时间因素和空间因素,根据用户行为活动记录计算用户偏好,并以群组为单位构建群组-兴趣点感知图;然后,加入协同用户的影响完成对用户群组偏好的建模,并充分考虑了GSNs中的特征,保证了兴趣点推荐的准确性;最后,利用神经网络结构模拟群组决策过程,完成对兴趣点群组推荐任务的求解.在真实数据集上与现有的群组推荐算法进行了对比,实验结果表明提出的算法在兴趣点命中率等方面明显优于对照算法,证明了该算法的有效性.

关键词：兴趣点群组推荐、神经网络结构、地理社交网络

所属期刊栏目：17

分类号：TP391.3(计算技术、计算机技术)

在线出版日期：2023-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：2478-2487