面向LBSN的興趣點和路線推薦系統(tǒng).pdf

1、隨著Web2.0、移動定位技術的快速發(fā)展和智能手機的普及，近年來涌現(xiàn)了一大批基于位置的社交網(wǎng)絡，如Foursquare、Facebook Places和Gowalla等?；谖恢玫纳缃痪W(wǎng)絡將現(xiàn)實世界的地理位置引入到虛擬網(wǎng)絡中，用戶可以通過自身攜帶的智能終端進行“簽到”，在虛擬網(wǎng)絡中留下自己真實的地理位置信息，并可以將熱衷的興趣點和旅行體驗分享給自己的好友。
　　隨著互聯(lián)網(wǎng)的快速興起，在線購物和社交網(wǎng)絡的蓬勃發(fā)展，服務提供商獲取的數(shù)

2、據(jù)稀疏性和分散性問題日益嚴峻。數(shù)據(jù)集中絕大多數(shù)數(shù)值缺失或者為零，導致絕大部分基于關聯(lián)分析的推薦方法推薦質(zhì)量和準確度嚴重下降或者無法產(chǎn)生推薦。居心不良的用戶可以通過不正當手段向基于位置的社交網(wǎng)絡中注入大量無用且虛假的信息來改變推薦結(jié)果，使得基于協(xié)同過濾的推薦方法容易受不良用戶的影響而產(chǎn)生錯誤的推薦結(jié)果。而且基于協(xié)同過濾的推薦方法的時間開銷受用戶和項目數(shù)量影響，當系統(tǒng)規(guī)模增長時，算法性能下降很快。針對傳統(tǒng)社交網(wǎng)絡推薦中的痛點，傳統(tǒng)協(xié)同過濾推

3、薦方法急需改變自身推薦方式和引入新的數(shù)據(jù)源來改善和提高推薦質(zhì)量。
　　而另一方面，當用戶訪問一個新的城市時，雖然有一些旅行指南網(wǎng)站可以提供很多內(nèi)容，如景點的照片、評論和詳盡的旅行游記。然而，讓用戶個人從繁雜、未經(jīng)加工處理過的原材料中獲取有用的信息，不僅費時費力，還會給用戶帶來煩躁的情緒。由此，自動化和個性化的推薦深受用戶的期待和喜愛。特別是個性化推薦曰益受到關注，因為其能有效的整合用戶的個人偏好（如文化、性格、習慣等），使用戶得到

4、高滿意度的旅行體驗。
　　針對上述興趣點推薦和線路推薦研究中存在的挑戰(zhàn)和問題，本文從以下兩個方面進行研究:
　　(1)本文將信任關系融入到興趣點推薦系統(tǒng)中，一方面社交網(wǎng)絡中的信任關系能體現(xiàn)出用戶間的相互影響力和偏好相似性;另一方面社交網(wǎng)絡中加入信任關系后能有效改善傳統(tǒng)推薦方法的冷啟動和易受惡意推薦攻擊等問題。本文分析了信任和不信任關系的傳播特征，給出信任度的表示和計算方法，提出一個融合用戶相似性，地理位置和信任關系的混合推薦