基于LBSN异构网络的兴趣点推荐研究

发布时间：2021-02-16 02:57

　　随着GPS技术的广泛应用和新一代信息技术的快速发展,基于位置的社交网络（Location Based Social Network,LBSN）已成为互联网应用研究重要方向。由于用户社交需求以及城市快速发展,LBSN站点上积累了海量数据,基于位置服务与社交服务为一体的LBSN平台的兴趣点（Point-of-Interest,POI）推荐成为个性化推荐研究中的热点。个性化推荐的关键在于如何更准确地获取用户偏好。相较于传统的个性化推荐对象,LBSN数据中有更多的上下文信息,这些信息为挖掘用户偏好提供了新的切入点。本文利用LBSN签到记录中的时间信息,发掘用户签到行为的时间规律,尽可能满足用户在当前时间的访问需求。同时利用LBSN中的好友关系研究用户间的信任关系,重新定义目标用户的邻居用户集合。而在衡量兴趣点相似度时利用LBSN中兴趣点的经纬度信息,优先推荐距离用户较近的兴趣点。本文的研究工作主要包含以下几个方面:（1）从时间、地理位置和社交关系三个维度分析LBSN中用户的签到记录,构建包含用户节点和兴趣点节点,以及用户-兴趣点、兴趣点-兴趣点和用户-用户三类边的LBSN异构网络,并给出异构网... 

【文章来源】：郑州大学河南省 211工程院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

图1.1个性化推荐示例

同构信息网络和异构信息网络

9图 2.2 四种异构结构异构信息网络能够相对完整地表达各种类型节点间的关系，挖掘出更息。基于异构信息网络的推荐系统研究逐渐成为热点[24]。.2 LBSN 异构网络LBSN 使得用户能够在虚拟网络中共享和讨论物理世界的位置，从而将拟社交关系和线下的现实世界相结合，挖掘出新的关联特性[12]。国alla 于 2007 年推出 LBSN 服务，将用户的位置信息和社交网络结合，

【参考文献】：
期刊论文
[1]一种检测兴趣漂移的元路径推荐模型[J]. 石磊,丁鑫,陶永才,卫琳.  小型微型计算机系统. 2019(03)
[2]自适应局部半径的DBSCAN聚类算法[J]. 秦佳睿,徐蔚鸿,马红华,曾水玲.  小型微型计算机系统. 2018(10)
[3]基于用户签到行为的群组兴趣点推荐模型[J]. 陶永才,丁鑫,石磊,卫琳.  小型微型计算机系统. 2018(10)
[4]融合社交关系和位置影响的地点推荐算法[J]. 冯宇,李爱萍,段利国.  计算机工程与设计. 2018(09)
[5]群组推荐系统研究与分析[J]. 王金,张朝恒.  计算机技术与发展. 2018(05)
[6]一种改进的偏好融合组推荐方法[J]. 胡川,孟祥武,张玉洁,杜雨露.  软件学报. 2018(10)
[7]基于Spark的BIRCH算法并行化的设计与实现[J]. 李帅,吴斌,杜修明,陈玉峰.  计算机工程与科学. 2017(01)
[8]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)
[9]LBSN中融合相似性和好友信任的地点推荐算法[J]. 丁勇,刘菁.  计算机工程与设计. 2016(08)
[10]基于地理位置的个性化新闻混合推荐研究[J]. 陶永才,李俊艳,石磊,卫琳.  小型微型计算机系统. 2016(05)

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

硕士论文
[1]基于深度神经网络的个性化兴趣点推荐方法研究[D]. 丁瑞峰.武汉大学 2018
[2]基于时间因素的个性化新闻混合推荐研究[D]. 火昊.郑州大学 2018
[3]空间信息异构网中POI推荐的研究[D]. 赵莹.西南交通大学 2017
[4]基于情境感知的网络音乐个性推荐研究[D]. 王小欢.北京交通大学 2017
[5]基于情境感知的广播电视群组推荐方法研究[D]. 陈建.中国科学技术大学 2017
[6]基于LBSN签到数据的用户行为预测与兴趣点推荐[D]. 王凯慈.南京邮电大学 2016



本文编号：3036025