基于位置社交網(wǎng)絡(luò)的興趣點推薦方法研究.pdf

1、隨著智能手機的普及以及移動互聯(lián)網(wǎng)的飛速發(fā)展，社交網(wǎng)絡(luò)日益成熟。社交網(wǎng)絡(luò)拉近了人們的距離，降低了人際交流成本。而定位技術(shù)的成熟催生了位置社交網(wǎng)絡(luò)(Location-based Social Network，LBSN)。和傳統(tǒng)的社交網(wǎng)絡(luò)相比，位置社交網(wǎng)絡(luò)中引入了地理因素。用戶可以向他人分享自己訪問過的地點。
　　但是每日產(chǎn)生的海量信息使得用戶難以輕易找到自己感興趣的信息。在這種趨勢下，基于位置社交網(wǎng)絡(luò)的推薦系統(tǒng)對用戶體驗起到舉足輕重的

2、作用。位置社交網(wǎng)絡(luò)中共有三種類型的推薦:(1)興趣點推薦，向用戶推薦一個他可能感興趣的地點;(2)用戶推薦，向用戶推薦熱門用戶，潛在好友或者小組推薦;(3)活動推薦，根據(jù)用戶的興趣愛好，推薦用戶有可能參加的活動。目前國內(nèi)關(guān)于位置社交網(wǎng)絡(luò)推薦的研究相對來說較少，其中興趣點推薦使得線上活動與線下生活服務(wù)得到有效結(jié)合與互動，幫助用戶用有限的精力安排合適的行程規(guī)劃，對用戶的日常生活有直接的影響，因此本文研究興趣點推薦。
　　目前的興趣點推

3、薦方法在推薦過程中經(jīng)常遇到三個問題:異地推薦、同義地點和數(shù)據(jù)稀疏。本文首先研究當前主流的基于位置社交網(wǎng)絡(luò)的興趣點推薦方法，分析其面對的挑戰(zhàn)，并針對現(xiàn)有問題在已有的理論基礎(chǔ)上給出了兩種不同場景下的興趣點推薦方法。論文主要的貢獻如下:
　　(1)給出本地興趣點推薦方法，把用戶的本地推薦問題轉(zhuǎn)化為概率問題，即計算用戶在已知時間t訪問某個興趣點v概率，在本地推薦過程中考慮用戶類別偏好、時間因素、距離因素以及地點的流行度。
　　(2)

4、給出異地興趣點推薦方法，把用戶的異地推薦問題轉(zhuǎn)化為評分問題，在用戶協(xié)同過濾的基礎(chǔ)上進行興趣點推薦。首先采用向?qū)C制，計算出某一城市某個類別地點的向?qū)Ъ?，然后計算用戶和不同類別向?qū)еg的相似度，根據(jù)向?qū)У囊庖妼τ脩暨M行推薦。其中用戶的偏好由用戶類別時序曲線表示，因此用戶之間相似度的計算轉(zhuǎn)化為曲線之間的相似度
　　(3)在推薦過程中，充分利用興趣點的類別(Category)屬性。本地興趣點推薦方法把用戶在已知時間t訪問興趣點v的概率

5、通過分別計算用戶t時訪問 v所屬類別cv的概率和在該類別cv所有興趣點中訪問興趣點v的概率實現(xiàn)。在異地推薦過程中，引入興趣點的類別(Category)信息，通過對用戶訪問過的興趣點進行類別學習，量化用戶的類別偏好，從而順利解決異地推薦問題。另外類別信息的引入一方面可以將用戶-地點矩陣轉(zhuǎn)換為用戶-類別矩陣進行降維;另一方面基于用戶-類別矩陣進行協(xié)同過濾，可以解決同義地點問題。
　　實驗中選取Recall@K為指標衡量推薦質(zhì)量，利用G