基于簽到數(shù)據(jù)的餐廳推薦技術(shù)研究.pdf

1、個性化推薦不僅可以提高人們生活體驗，而且也能為服務(wù)提供商增加收益，已經(jīng)成為社交網(wǎng)絡(luò)領(lǐng)域一個具有理論和實用價值的研究課題。然而，目前基于位置的個性化推薦方法往往會因為簽到數(shù)據(jù)的稀疏性而導(dǎo)致推薦的準確度受到影響。本文以餐廳個性化推薦為研究實例，從餐廳屬性和用戶行為著手，針對如何提高推薦系統(tǒng)的準確度、實現(xiàn)推薦結(jié)果的多樣性以及解決用戶冷啟動等關(guān)鍵問題展開研究。
　　首先，為了解決在新區(qū)域用戶簽到數(shù)目較少帶來的冷啟動問題，本文提出了一種基于

2、內(nèi)容過濾的餐廳個性化推薦算法。充分利用簽到數(shù)據(jù)中餐廳的屬性特征，通過TFIDF算法計算用戶偏好，并為每個用戶建立興趣模型，依據(jù)候選餐廳與用戶興趣模型的匹配程度進行推薦。與傳統(tǒng)推薦方法的對比實驗表明，在面對冷啟動用戶時，該方法在準確率和召回率上分別提高了4.34％和7.78%。
　　其次，為了解決數(shù)據(jù)稀疏性問題以及實現(xiàn)推薦結(jié)果的多樣性，提出了一種基于協(xié)同過濾和用戶模型混合的餐廳推薦算法。該方法先從簽到時間分析用戶的行為模式，并通過改

3、進的協(xié)同過濾算法計算基于時間的簽到概率；然后從餐廳類別出發(fā)，通過對用戶-類別矩陣進行填充，發(fā)現(xiàn)用戶潛在興趣，從而提高推薦結(jié)果的多樣性；最后將基于時間的簽到概率與用戶的潛在興趣相結(jié)合，實現(xiàn)餐廳的個性化推薦。與傳統(tǒng)推薦算法的對比實驗表明，混合餐廳推薦算法在準確率和召回率上分別提高了4.18%和14.51%；同時在推薦結(jié)果的多樣性上提高了4.85%。
　　本文以餐廳簽到數(shù)據(jù)為研究對象，提出了基于內(nèi)容過濾的餐廳推薦算法以及基于協(xié)同過濾和用