基于簽到數(shù)據(jù)的餐廳推薦技術(shù)研究.pdf

1、個(gè)性化推薦不僅可以提高人們生活體驗(yàn)，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(gè)具有理論和實(shí)用價(jià)值的研究課題。然而，目前基于位置的個(gè)性化推薦方法往往會(huì)因?yàn)楹灥綌?shù)據(jù)的稀疏性而導(dǎo)致推薦的準(zhǔn)確度受到影響。本文以餐廳個(gè)性化推薦為研究實(shí)例，從餐廳屬性和用戶行為著手，針對(duì)如何提高推薦系統(tǒng)的準(zhǔn)確度、實(shí)現(xiàn)推薦結(jié)果的多樣性以及解決用戶冷啟動(dòng)等關(guān)鍵問(wèn)題展開(kāi)研究。
　　首先，為了解決在新區(qū)域用戶簽到數(shù)目較少帶來(lái)的冷啟動(dòng)問(wèn)題，本文提出了一種基于

2、內(nèi)容過(guò)濾的餐廳個(gè)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(guò)TFIDF算法計(jì)算用戶偏好，并為每個(gè)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(jìn)行推薦。與傳統(tǒng)推薦方法的對(duì)比實(shí)驗(yàn)表明，在面對(duì)冷啟動(dòng)用戶時(shí)，該方法在準(zhǔn)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(wèn)題以及實(shí)現(xiàn)推薦結(jié)果的多樣性，提出了一種基于協(xié)同過(guò)濾和用戶模型混合的餐廳推薦算法。該方法先從簽到時(shí)間分析用戶的行為模式，并通過(guò)改

3、進(jìn)的協(xié)同過(guò)濾算法計(jì)算基于時(shí)間的簽到概率；然后從餐廳類別出發(fā)，通過(guò)對(duì)用戶-類別矩陣進(jìn)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(shí)間的簽到概率與用戶的潛在興趣相結(jié)合，實(shí)現(xiàn)餐廳的個(gè)性化推薦。與傳統(tǒng)推薦算法的對(duì)比實(shí)驗(yàn)表明，混合餐廳推薦算法在準(zhǔn)確率和召回率上分別提高了4.18%和14.51%；同時(shí)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(duì)象，提出了基于內(nèi)容過(guò)濾的餐廳推薦算法以及基于協(xié)同過(guò)濾和用