基于位置的社交网络推荐算法研究

发布时间：2017-10-07 01:15

  本文关键词：基于位置的社交网络推荐算法研究

  更多相关文章： 社交网络 用户推荐 位置推荐 地理位置

【摘要】：移动终端的普及和流行使得用户借助GPS的定位服务越来越成为趋势。用户不仅可以在线上进行网络交流,也可以由线上发展具体地理位置的线下社群进行社交网络。这种把地理位置信息与社交关系信息相融合的网络被称之为基于地理位置的社交网络。在基于地理位置的社交网络之中,推荐功能能够为用户提供实时的信息推送,借助于推荐功能,可以实现对于用户好友推荐以及用户感兴趣地理位置的推荐。还可以为特定区域内的用户推荐该区域内的活动,为现实中的商家带来潜在的利润,因此社交网络中的推荐功能引起了国内外研究人员的极大关注。对与LBSN中的推荐算法的研究主要分为用户推荐以及地理位置推荐两部分内容。在基于位置的社交网络推荐中,最为关键的是用户模型的建立,因为这直接关系到推荐方向的走向。在本文中,将原始的GPS数据集进行预处理,将这些坐标值进一步转换成具有语义意义的数据集,然后进行K中心点的聚类,完成用户模型的建立。借助于所建立的数据模型,综合用户经验值以及位置流行度,建立一个合理的社交网络与现实世界之间的管理关系。通过这个用户模型来进一步完成用户推荐模型与位置推荐模型的建立,完成对用户推荐算法以及位置推荐算法的改进。本文主要提出了新的建立用户模型的方法,并且基于内容和项目的协同过滤算法改进用户相似性、位置偏好度,形成输出为用户和位置的推荐算法。本文还针对所提出的算法进行了一系列测试,其实验结果表明本文所提出的算法能够实现对用户好友以及位置的准确性推荐。
【关键词】：社交网络 用户推荐 位置推荐 地理位置
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3
【目录】：

• 摘要4-5
• Abstract5-10
• 第1章 绪论10-19
• 1.1 研究背景及意义10-11
• 1.2 国内外研究现状11-16
• 1.2.1 用户感兴趣的位置推荐12-14
• 1.2.2 用户推荐14-15
• 1.2.3 活动推荐及社交媒体推荐15-16
• 1.3 本文主要研究内容16-17
• 1.4 本文组织结构17-18
• 1.5 本章小结18-19
• 第2章 相关理论概述19-31
• 2.1 基于位置的社交网络19-24
• 2.1.1 在线社交网络19-21
• 2.1.2 基于位置的服务21-23
• 2.1.3 基于位置的社交网络的层次结构23-24
• 2.2 推荐算法概述24-27
• 2.2.1 基于内容的推荐24-25
• 2.2.2 基于协同过滤的推荐25-27
• 2.3 其他相关概念27-30
• 2.3.1 推荐效果的度量方法27-29
• 2.3.2 聚类方法29-30
• 2.4 本章小结30-31
• 第3章 用户模型的建立31-42
• 3.1 用户停留点轨迹的建立31-35
• 3.1.1 用户停留点的获取31-34
• 3.1.2 用户停留点的特征向量计算34-35
• 3.2 用户位置轨迹的建立35-39
• 3.2.1 提取位置信息35-38
• 3.2.2 计算位置特征信息38-39
• 3.3 用户经验值以及位置流行度计算39-41
• 3.4 本章小结41-42
• 第4章 LBSN用户与位置的推荐研究42-51
• 4.1 用户推荐模型研究42-45
• 4.1.1 用户推荐算法的基本思想42-43
• 4.1.2 用户相似度计算43
• 4.1.3 用户推荐算法43-45
• 4.2 位置推荐模型研究45-50
• 4.2.1 基于位置偏好度推荐46-48
• 4.2.2 基于用户信任度和兴趣度推荐48-50
• 4.3 本章小结50-51
• 第5章 推荐算法的测试51-55
• 5.1 测试数据51
• 5.2 用户推荐实验51-53
• 5.2.1 实验过程51-52
• 5.2.2 算法比较和分析52-53
• 5.3 位置推荐实验53-54
• 5.3.1 实验过程53-54
• 5.3.2 算法比较和分析54
• 5.4 本章小结54-55
• 第6章 结论与展望55-56
• 参考文献56-62
• 致谢62-63
• 作者简介63

【相似文献】

中国期刊全文数据库 前10条

1 徐义峰;徐云青;刘晓平;;一种基于时间序列性的推荐算法[J];计算机系统应用;2006年10期

2 余小鹏;;一种基于多层关联规则的推荐算法研究[J];计算机应用;2007年06期

3 张海玉;刘志都;杨彩;贾松浩;;基于页面聚类的推荐算法的改进[J];计算机应用与软件;2008年09期

4 张立燕;;一种基于用户事务模式的推荐算法[J];福建电脑;2009年03期

5 王晗;夏自谦;;基于蚁群算法和浏览路径的推荐算法研究[J];中国科技信息;2009年07期

6 周珊丹;周兴社;王海鹏;倪红波;张桂英;苗强;;智能博物馆环境下的个性化推荐算法[J];计算机工程与应用;2010年19期

7 王文;;个性化推荐算法研究[J];电脑知识与技术;2010年16期

8 张恺;秦亮曦;宁朝波;李文阁;;改进评价估计的混合推荐算法研究[J];微计算机信息;2010年36期

9 夏秀峰;代沁;丛丽晖;;用户显意识下的多重态度个性化推荐算法[J];计算机工程与应用;2011年16期

10 杨博;赵鹏飞;;推荐算法综述[J];山西大学学报(自然科学版);2011年03期

中国重要会议论文全文数据库 前10条

1 王韬丞;罗喜军;杜小勇;;基于层次的推荐:一种新的个性化推荐算法[A];第二十四届中国数据库学术会议论文集（技术报告篇）[C];2007年

2 唐灿;;基于模糊用户心理模式的个性化推荐算法[A];2008年计算机应用技术交流会论文集[C];2008年

3 秦国;杜小勇;;基于用户层次信息的协同推荐算法[A];第二十一届中国数据库学术会议论文集（技术报告篇）[C];2004年

4 周玉妮;郑会颂;;基于浏览路径选择的蚁群推荐算法:用于移动商务个性化推荐系统[A];社会经济发展转型与系统工程——中国系统工程学会第17届学术年会论文集[C];2012年

5 苏日启;胡皓;汪秉宏;;基于网络的含时推荐算法[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

6 梁莘q，

本文编号：986084