基于位置社交網(wǎng)絡(luò)的興趣點(diǎn)推薦方法研究.pdf

1、隨著智能手機(jī)的普及以及移動(dòng)互聯(lián)網(wǎng)的飛速發(fā)展，社交網(wǎng)絡(luò)日益成熟。社交網(wǎng)絡(luò)拉近了人們的距離，降低了人際交流成本。而定位技術(shù)的成熟催生了位置社交網(wǎng)絡(luò)(Location-based Social Network，LBSN)。和傳統(tǒng)的社交網(wǎng)絡(luò)相比，位置社交網(wǎng)絡(luò)中引入了地理因素。用戶可以向他人分享自己訪問過的地點(diǎn)。
　　但是每日產(chǎn)生的海量信息使得用戶難以輕易找到自己感興趣的信息。在這種趨勢(shì)下，基于位置社交網(wǎng)絡(luò)的推薦系統(tǒng)對(duì)用戶體驗(yàn)起到舉足輕重的

2、作用。位置社交網(wǎng)絡(luò)中共有三種類型的推薦:(1)興趣點(diǎn)推薦，向用戶推薦一個(gè)他可能感興趣的地點(diǎn);(2)用戶推薦，向用戶推薦熱門用戶，潛在好友或者小組推薦;(3)活動(dòng)推薦，根據(jù)用戶的興趣愛好，推薦用戶有可能參加的活動(dòng)。目前國內(nèi)關(guān)于位置社交網(wǎng)絡(luò)推薦的研究相對(duì)來說較少，其中興趣點(diǎn)推薦使得線上活動(dòng)與線下生活服務(wù)得到有效結(jié)合與互動(dòng)，幫助用戶用有限的精力安排合適的行程規(guī)劃，對(duì)用戶的日常生活有直接的影響，因此本文研究興趣點(diǎn)推薦。
　　目前的興趣點(diǎn)推

3、薦方法在推薦過程中經(jīng)常遇到三個(gè)問題:異地推薦、同義地點(diǎn)和數(shù)據(jù)稀疏。本文首先研究當(dāng)前主流的基于位置社交網(wǎng)絡(luò)的興趣點(diǎn)推薦方法，分析其面對(duì)的挑戰(zhàn)，并針對(duì)現(xiàn)有問題在已有的理論基礎(chǔ)上給出了兩種不同場(chǎng)景下的興趣點(diǎn)推薦方法。論文主要的貢獻(xiàn)如下:
　　(1)給出本地興趣點(diǎn)推薦方法，把用戶的本地推薦問題轉(zhuǎn)化為概率問題，即計(jì)算用戶在已知時(shí)間t訪問某個(gè)興趣點(diǎn)v概率，在本地推薦過程中考慮用戶類別偏好、時(shí)間因素、距離因素以及地點(diǎn)的流行度。
　　(2)

4、給出異地興趣點(diǎn)推薦方法，把用戶的異地推薦問題轉(zhuǎn)化為評(píng)分問題，在用戶協(xié)同過濾的基礎(chǔ)上進(jìn)行興趣點(diǎn)推薦。首先采用向?qū)C(jī)制，計(jì)算出某一城市某個(gè)類別地點(diǎn)的向?qū)Ъ希缓笥?jì)算用戶和不同類別向?qū)еg的相似度，根據(jù)向?qū)У囊庖妼?duì)用戶進(jìn)行推薦。其中用戶的偏好由用戶類別時(shí)序曲線表示，因此用戶之間相似度的計(jì)算轉(zhuǎn)化為曲線之間的相似度
　　(3)在推薦過程中，充分利用興趣點(diǎn)的類別(Category)屬性。本地興趣點(diǎn)推薦方法把用戶在已知時(shí)間t訪問興趣點(diǎn)v的概率

5、通過分別計(jì)算用戶t時(shí)訪問 v所屬類別cv的概率和在該類別cv所有興趣點(diǎn)中訪問興趣點(diǎn)v的概率實(shí)現(xiàn)。在異地推薦過程中，引入興趣點(diǎn)的類別(Category)信息，通過對(duì)用戶訪問過的興趣點(diǎn)進(jìn)行類別學(xué)習(xí)，量化用戶的類別偏好，從而順利解決異地推薦問題。另外類別信息的引入一方面可以將用戶-地點(diǎn)矩陣轉(zhuǎn)換為用戶-類別矩陣進(jìn)行降維;另一方面基于用戶-類別矩陣進(jìn)行協(xié)同過濾，可以解決同義地點(diǎn)問題。
　　實(shí)驗(yàn)中選取Recall@K為指標(biāo)衡量推薦質(zhì)量，利用G