基于位置社交網(wǎng)絡(luò)的個性化地點推薦方法研究.pdf

1、隨著移動手機的普及與GPS定位技術(shù)的日益成熟，獲取人們的位置信息越來越容易，基于位置的社交網(wǎng)絡(luò)(Location-based Social Networks，LBSNs)越來越流行。為了解決LBSNs上的信息過載問題，快速發(fā)現(xiàn)用戶感興趣的地點并為用戶提供個性化地點推薦成為學(xué)者們研究的重點。協(xié)同過濾算法因其簡單、高效、可解釋性強等優(yōu)點得到廣泛的應(yīng)用，其推薦效果依賴用戶的評分?jǐn)?shù)據(jù)。在地點推薦中，協(xié)同過濾算法是基于用戶-地點簽到矩陣實現(xiàn)的。然

2、而由于用戶簽到記錄較少，而且用戶簽到記錄中沒有負樣本，用戶-地點簽到矩陣稀疏性非常高，從而導(dǎo)致傳統(tǒng)的協(xié)同過濾算法的推薦效果并不理想。為了緩解數(shù)據(jù)稀疏性對地點推薦中協(xié)同過濾方法的影響，本文對地點推薦方法進行了進一步研究，研究工作與成果具體如下:
　　(1)針對數(shù)據(jù)稀疏性對地點推薦中基于近鄰的協(xié)同過濾方法的影響，設(shè)計了一種基于用戶時空相似性的地點推薦方法?；跁r間對用戶簽到行為的周期性影響，通過將用戶簽到矩陣按時間進行分割的方法引入時

3、間屬性，根據(jù)用戶-地點-時間矩陣計算時間感知的用戶相似性。同時設(shè)計一種時間相似性計算方法，并根據(jù)時間相似性對用戶-地點-時間矩陣進行填補，緩解了因為時間分割所引起的用戶-地點-時間矩陣高稀疏的問題?；谟脩艉灥叫袨榈目臻g聚集性，通過多中心聚類算法發(fā)現(xiàn)用戶簽到的活躍區(qū)域，結(jié)合用戶對活躍區(qū)域的偏好以及未簽到地點與活躍區(qū)域中心的距離，計算用戶的空間相似性。最后將時間感知的用戶相似性與用戶空間相似性結(jié)合得到用戶時空相似性。
　　(2)針對

4、數(shù)據(jù)稀疏性對地點推薦中基于矩陣分解的協(xié)同過濾方法的影響，設(shè)計了一種基于用戶偏好的地點推薦方法。首先通過結(jié)合用戶地點類型偏好、地理位置限制以及地點熱度計算用戶對未簽到地點的偏好，并基于用戶偏好，按一定負正比例選擇負樣本，對用戶-地點簽到0/1矩陣進行填補。然后根據(jù)用戶簽到頻次以及用戶對未簽到地點的偏好，構(gòu)建權(quán)重矩陣。最后構(gòu)建加權(quán)矩陣分解算法，并利用交替最小二乘法進行優(yōu)化求解。
　　(3)設(shè)計了相關(guān)的對比算法，并在真實的LBSNs數(shù)據(jù)