考虑线下交互的位置社交网络兴趣点推荐

发布时间：2021-05-17 07:03

　　智能移动设备和4G技术的普及,给大众点评、口碑等大规模基于位置社交网络（LBSN,Location Based Social Network）的应用带来巨大的发展空间。同时随着城市的快速发展,兴趣点（POI,Point-of-Interest）的数量也相应增长。人们逐渐习惯通过基于位置社交网络的应用来发现、访问并评价兴趣点。基于应用平台积累了大量的位置社交网络数据和渴望不断改善用户体验的需求,个性化的兴趣点推荐系统逐渐引起了工业界和学术界的关注。但兴趣点推荐面临一些新的问题:如何综合利用用户偏好、地理位置、社交网络和其他上下文信息,如何解决用户签到数据的稀疏性问题,如何处理隐式的用户反馈等。针对这些挑战,本文利用考虑用户线下交互行为的社交关系实现签到矩阵填充,缓解数据稀疏性;改进地理位置影响建模,整合多样化数据信息,提出考虑线下交互的兴趣点推荐模型,提高推荐效果;对于模型中的用户偏好,分别提出内嵌分类的加权矩阵分解算法和基于排序的算法来学习。具体内容如下:（1）通过对用户社交网络的分析,提出利用考虑线下交互的社交关系实现签到矩阵的填充,通过朋友与用户的相似偏好,缓解数据稀疏性问题。在两... 

【文章来源】：福州大学福建省 211工程院校

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于用户偏好的兴趣点推荐
        1.2.2 基于地理影响的兴趣点推荐
        1.2.3 基于社交网络影响的兴趣点推荐
        1.2.4 基于其他上下文的兴趣点推荐
    1.3 研究内容与论文结构
        1.3.1 研究内容
        1.3.2 论文结构
    1.4 本文创新点
第二章 相关理论知识
    2.1 基于位置的社交网络
        2.1.1 基于位置的社交网络的概念
        2.1.2 基于位置的社交网络的数据特征
    2.2 位置社交网络中地理影响的建模
        2.2.1 幂律分布模型
        2.2.2 多中心高斯分布模型
        2.2.3 核密度估计模型
    2.3 推荐系统的主要技术
        2.3.1 基于内容的推荐算法
        2.3.2 基于协同过滤的推荐算法
    2.4 矩阵因子分解算法
第三章 考虑线下交互的兴趣点推荐模型
    3.1 社交网络的影响
        3.1.1 社交网络中线下交互影响分析
        3.1.2 考虑线下交互的签到矩阵填充
    3.2 兴趣点分类的影响
    3.3 兴趣点地理位置的影响
        3.3.1 核密度估计自适应带宽的学习
        3.3.2 自适应核密度估计地理位置的影响
    3.4 兴趣点推荐模型
        3.4.1 推荐模型
        3.4.2 推荐策略
    3.5 本章小结
第四章 考虑线下交互的兴趣点推荐算法
    4.1 加权矩阵分解兴趣点推荐算法
        4.1.1 算法设计
        4.1.2 算法实现
        4.1.3 复杂度分析
    4.2 基于排序的兴趣点推荐算法
        4.2.1 基于排序的推荐算法
        4.2.2 基于排序的兴趣点推荐算法设计
        4.2.3 算法实现与复杂度分析
    4.3 本章小结
第五章 实验与分析
    5.1 实验环境与数据集
        5.1.1 实验环境
        5.1.2 数据集
    5.2 实验评价指标
    5.3 实验设计与结果分析
        5.3.1 矩阵填充实验
        5.3.2 兴趣点推荐算法对比实验
        5.3.3 地理位置影响实验
    5.4 本章小结
总结与展望
    6.1 本文总结
    6.2 研究展望
参考文献
致谢
个人简历及在校科研情况


【参考文献】：
期刊论文
[1]线下交互的动态社交网络研究进展:挑战与展望[J]. 梁迪,崔靖,李翔.  计算机学报. 2018(07)
[2]LBSN上基于兴趣圈中社会关系挖掘的推荐算法[J]. 李鑫,刘贵全,李琳,吴宗大,丁君美.  计算机研究与发展. 2017(02)
[3]一种面向获取空间信息的潜在好友推荐算法[J]. 俞菲,李治军,车楠,姜守旭.  软件学报. 2017(08)
[4]基于位置社交网络的上下文感知的兴趣点推荐[J]. 任星怡,宋美娜,宋俊德.  计算机学报. 2017(04)
[5]基于用户签到行为的兴趣点推荐[J]. 任星怡,宋美娜,宋俊德.  计算机学报. 2017(01)
[6]基于Ranking的泊松矩阵分解兴趣点推荐算法[J]. 余永红,高阳,王皓.  计算机研究与发展. 2016(08)
[7]一种融合情景和评论信息的位置社交网络兴趣点推荐模型[J]. 高榕,李晶,杜博,余永红,宋成芳,丁永刚.  计算机研究与发展. 2016(04)
[8]基于排序学习的推荐算法研究综述[J]. 黄震华,张佳雯,田春岐,孙圣力,向阳.  软件学报. 2016(03)
[9]LBSN中基于元路径的兴趣点推荐[J]. 曹玖新,董羿,杨鹏伟,周涛,刘波.  计算机学报. 2016(04)

博士论文
[1]基于社会化媒体的若干兴趣点推荐关键技术研究[D]. 任星怡.北京邮电大学 2017
[2]融合多源信息的推荐算法研究[D]. 余永红.南京大学 2017
[3]基于位置社交网络的地点推荐方法及应用研究[D]. 李鑫.中国科学技术大学 2015
[4]基于位置的移动社会化网络推荐技术研究[D]. 刘树栋.北京邮电大学 2015
[5]基于位置社交网络的数据挖掘[D]. 连德富.中国科学技术大学 2014
[6]社会化媒体中若干时空相关的推荐问题研究[D]. 阴红志.北京大学 2014



本文编号：3191322