面向位置社交網絡的推薦服務研究.pdf

1、近年來，定位技術及其應用取得了重大的突破，推動了位置服務的快速發(fā)展，也為位置社交網絡(Location-based Social Networks，LBSN)的形成和發(fā)展奠定了基礎。LBSN是將現實世界的位置信息添加到虛擬網絡中，將虛擬網絡與現實世界連接在一起。通過位置社交網絡，用戶不僅可以分享自己的位置信息，而且還可以發(fā)表對某一位置點的評論，為其他用戶提供相應的建議，因此位置社交網絡得到了快速發(fā)展。
　　隨著LBSN的快速發(fā)展，

2、導致了用戶信息和簽到位置數據不斷膨脹，使LBSN面臨著大數據的困擾。但與此同時，大數據作為一種稀缺資源，也為LBSN帶來了潛在的商業(yè)價值。如果LBSN能夠充分利用這些歷史數據，通過對這些數據進行分析，挖掘與其興趣相投的好友，從而拓展他們的社交圈;通過為他們推薦可能喜歡的位置興趣點，分享位置信息，則可有效為其提供旅行參考。那么，不僅可以為用戶提供更加貼心的服務，增加用戶的體驗，而且也可以吸引更多的人加入到位置社交網絡中，從而促進位置社交網

3、絡的良性循環(huán)和健康發(fā)展。
　　鑒此，本文對位置社交網絡及其推薦服務進行了深入研究，提出了潛在好友推薦模型和個性化位置興趣點推薦模型。對于潛在好友推薦模型的研究，本文綜合考慮了用戶的社交關系、簽到特性及歷史簽到行為等相關因素，提出了一種利用用戶社交關系相似度和簽到行為相似度計算用戶綜合相似度的方法，最終根據用戶的綜合相似度為目標用戶推薦潛在好友。其中，在計算用戶社交關系相似度時，本文將用戶之間擁有共同好友的比重作為衡量用戶社交關系相

4、似度的標準;在計算用戶簽到行為相似度時，本文利用位置權重衡量用戶對各個位置興趣點的喜好程度，其值是由用戶的簽到記錄和好友的簽到記錄決定的。對于個性化位置興趣點推薦模型的研究，本文充分考慮LBSN用戶的簽到特性、社交關系和簽到位置的地理距離。在此模型中，采用位置興趣點聚類的方法改善新位置興趣點問題;通過用戶社交關系的聯系改善新用戶問題;利用用戶的簽到特性和社交關系填充評分矩陣，再將user-based算法與item-based算法相結合，