基于地理邻近性的自编码器在地点推荐中的应用

摘要：

个性化地点推荐系统对于基于位置的社交网络(Location-based Social Networks, LBSNs)的发展至关重要.它不仅能够帮助用户挖掘新的地点,同时也有利于服务商更好地提供个性化服务.现存关于这方面的研究,将所有的地点同等看待.但是在不同类别中,签到频率的数据规模却不可同等看待.本文基于TF-IDF理论将签到频率转换成基于类别的偏好数据,提出一个基于地理邻近性的深度自编码器模型,利用签到数据中的地理信息构造推荐系统.在LBSNs真实数据集上进行实验分析,结果表明相对于对比算法,本文模型的实验结果更好,基于地理邻近性的深度自编码器模型适用于地点推荐任务.

关键词：地点推荐、自编码器、地理邻近性

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目71532009,71671121

在线出版日期：2018-05-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：74-78