融入空间关系的矩阵分解POI推荐模型
兴趣点(point ofinterest,POI)推荐是在基于位置的社交网络中流行起来的个性化服务.针对数据稀疏和隐性反馈的使用等问题,提出了一种关系型矩阵分解模型——合作竞争矩阵分解(cooperative competi-tion matrix factorization,CC-MF).该模型根据用户与POI间的相互关系建模,融入空间关系,并将空间关系细分为空间距离关系和空间拓扑关系,挖掘POI之间、POI与用户之间的空间关系,以缓解数据稀疏问题;同时使用加权最小二乘准则构建目标函数,缓解隐性反馈问题.在现实世界签到Foursquare数据集上进行实验,结果显示:(1)CC-MF模型显著提高了推荐结果的准确性;(2)考虑空间拓扑关系的空间距离因素能够进一步提升推荐系统的性能.因此,CC-MF模型具有良好的拓展性和解释性,且缓解了数据稀疏和隐性反馈使用问题.
兴趣点推荐、基于位置的社交网络、矩阵分解、空间关系、空间距离
46
P208(一般性问题)
国家重点研发计划;河南省重点研发与推广专项
2021-06-21(万方平台首次上网日期,不代表论文的发表时间)
共10页
681-690