基于位置的社交網(wǎng)絡(luò)興趣點(diǎn)推薦策略研究.pdf

1、基于位置的社交網(wǎng)絡(luò)(Location-Based Social Network，LBSN)技術(shù)不斷發(fā)展的同時(shí)也為用戶帶來(lái)豐富的信息，但用戶很難從中找到自己感興趣的信息。推薦系統(tǒng)旨在幫助用戶發(fā)現(xiàn)其感興趣的信息，是解決信息過(guò)載問(wèn)題的重要工具。興趣點(diǎn)推薦是基于位置社交網(wǎng)絡(luò)推薦的一個(gè)分支，興趣點(diǎn)推薦研究一方面可以為用戶推薦一些感興趣的地點(diǎn)，以此來(lái)豐富用戶的生活體驗(yàn);另一方面可以為商家吸引潛在的用戶，提高商家的知名度，為商家?guī)?lái)豐厚的利益。

2、>　　本文首先總結(jié)了興趣點(diǎn)推薦的研究現(xiàn)狀，深入分析了現(xiàn)有興趣點(diǎn)推薦算法的優(yōu)缺點(diǎn)，并舉例了幾個(gè)較為典型的興趣點(diǎn)推薦算法。同時(shí)，描述了興趣點(diǎn)推薦受時(shí)間和空間特性的影響。
　　然后，提出了基于隱語(yǔ)義模型的混合高斯聚類推薦模型。詳細(xì)分析了用戶簽到數(shù)據(jù)的空間特性，發(fā)現(xiàn)用戶總是在較少的幾個(gè)“中心點(diǎn)”附近進(jìn)行簽到，在此基礎(chǔ)上，分別介紹了基于隱語(yǔ)義模型的推薦算法和基于混合高斯聚類的推薦算法。探討了之前的一些研究存在的缺陷，例如在聚類過(guò)程中“中心點(diǎn)

3、”離群和需要手動(dòng)設(shè)置簇的個(gè)數(shù)等，利用了一個(gè)貪婪EM(Expectation Maximization Algorithm)算法來(lái)克服這些缺點(diǎn)所帶來(lái)的不良影響，得到了基于隱語(yǔ)義模型的混合高斯聚類推薦模型，并在公開(kāi)的數(shù)據(jù)集Gowalla和BrightKite上分別進(jìn)行試驗(yàn)并驗(yàn)證了算法的有效性。
　　最后，提出了融合時(shí)空特性的興趣點(diǎn)推薦模型。探討了興趣點(diǎn)推薦受時(shí)間特性的影響，并分析了用戶行為隨時(shí)間的變化具有差異性和連續(xù)性特征。在此基礎(chǔ)上