多特征融合的兴趣点推荐算法
基于位置社交网络的兴趣点推荐越来越受到工业界和学术界的关注.由于用户签到数据集的稀疏性以及签到地理位置的聚集性,使得目前的推荐算法效率普遍不高,特别是当用户外出到新的地点时,推荐效果更是急剧下降.因此本文提出了一种基于用户-区域-内容主题的多特征联合推荐算法(UCRTM),以隐主题模型为基础,在统一的框架下利用隐含因子关联性融合了用户的偏好、兴趣点的内容以及兴趣点所属地理区域主题等信息来进行推荐,使得用户无论身处何地,都能获得理想的推荐服务.本文在两种真实的数据集上进行了实验,结果表明该方法不仅能够克服数据的稀疏性以及弱语义性等问题,而且与其他方法相比具有更高的推荐准确率.
位置社交网络、兴趣点推荐、主题模型、困惑度、稀疏性、聚集性、协同过滤、特征融合
14
TP391.9(计算技术、计算机技术)
国家自然科学基金项目61272277
2019-07-24(万方平台首次上网日期,不代表论文的发表时间)
共8页
779-786