基于位置社交網(wǎng)絡(luò)的個(gè)性化地點(diǎn)推薦方法研究.pdf

1、隨著移動(dòng)手機(jī)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(diǎn)并為用戶提供個(gè)性化地點(diǎn)推薦成為學(xué)者們研究的重點(diǎn)。協(xié)同過濾算法因其簡(jiǎn)單、高效、可解釋性強(qiáng)等優(yōu)點(diǎn)得到廣泛的應(yīng)用，其推薦效果依賴用戶的評(píng)分?jǐn)?shù)據(jù)。在地點(diǎn)推薦中，協(xié)同過濾算法是基于用戶-地點(diǎn)簽到矩陣實(shí)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(fù)樣本，用戶-地點(diǎn)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(duì)地點(diǎn)推薦中協(xié)同過濾方法的影響，本文對(duì)地點(diǎn)推薦方法進(jìn)行了進(jìn)一步研究，研究工作與成果具體如下:
　　(1)針對(duì)數(shù)據(jù)稀疏性對(duì)地點(diǎn)推薦中基于近鄰的協(xié)同過濾方法的影響，設(shè)計(jì)了一種基于用戶時(shí)空相似性的地點(diǎn)推薦方法?；跁r(shí)間對(duì)用戶簽到行為的周期性影響，通過將用戶簽到矩陣按時(shí)間進(jìn)行分割的方法引入時(shí)

3、間屬性，根據(jù)用戶-地點(diǎn)-時(shí)間矩陣計(jì)算時(shí)間感知的用戶相似性。同時(shí)設(shè)計(jì)一種時(shí)間相似性計(jì)算方法，并根據(jù)時(shí)間相似性對(duì)用戶-地點(diǎn)-時(shí)間矩陣進(jìn)行填補(bǔ)，緩解了因?yàn)闀r(shí)間分割所引起的用戶-地點(diǎn)-時(shí)間矩陣高稀疏的問題。基于用戶簽到行為的空間聚集性，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(duì)活躍區(qū)域的偏好以及未簽到地點(diǎn)與活躍區(qū)域中心的距離，計(jì)算用戶的空間相似性。最后將時(shí)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(shí)空相似性。
　　(2)針對(duì)

4、數(shù)據(jù)稀疏性對(duì)地點(diǎn)推薦中基于矩陣分解的協(xié)同過濾方法的影響，設(shè)計(jì)了一種基于用戶偏好的地點(diǎn)推薦方法。首先通過結(jié)合用戶地點(diǎn)類型偏好、地理位置限制以及地點(diǎn)熱度計(jì)算用戶對(duì)未簽到地點(diǎn)的偏好，并基于用戶偏好，按一定負(fù)正比例選擇負(fù)樣本，對(duì)用戶-地點(diǎn)簽到0/1矩陣進(jìn)行填補(bǔ)。然后根據(jù)用戶簽到頻次以及用戶對(duì)未簽到地點(diǎn)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(jìn)行優(yōu)化求解。
　　(3)設(shè)計(jì)了相關(guān)的對(duì)比算法，并在真實(shí)的LBSNs數(shù)據(jù)