基于神经网络的兴趣点推荐算法的研究

发布时间：2021-03-30 08:31

　　近年来,移动互联网的迅猛发展使人们的生活越来越便捷,现在人们可以足不出户通过手机、PC等终端连接网络,使用各种各样的APP来学习、购物、娱乐。互联网的迅速发展催生出了大规模的信息量并且每日信息量还在以难以想象的速度快速增长,人们面临着严重的信息爆炸问题。为了解决信息过载问题,相关的技术经历了目录分类、搜索和推荐三大阶段。如今,推荐已经成为极其重要的信息过滤技术,它已经在机器学习、信息检索等多个领域得到广泛的研究,在音乐、视频等多个应用场景得到广泛应用。推荐在提升用户的体验的同时也帮助商家实现了智能化的物品和服务推送,从而增加商家商业上的营业收入。最近,随着移动互联网、云计算及人工智能的发展,基于位置的社交网络受到越来越多的人的欢迎。兴趣点推荐在基于位置的社交网络中起着极其重要的作用。传统的方法是基于用户的兴趣来进行推荐,这种兴趣通常是一般的偏好,这些传统的方法很少考虑用户访问地点的连续性,忽视了用户轨迹之间的顺序关系。预测用户的下一时刻会访问的兴趣点在为用户在特定的时间做出决策提供帮助的同时还可以帮助商家进行客流量预测,为商家提供了便利。但是目前这个问题还是面临一些挑战,比如数据稀疏性... 

【文章来源】：黑龙江大学黑龙江省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

基于内容的推荐流程

图 2-2 基于用户的协同过滤Fig. 2-2 User-based collaborative filtering品的协同过滤主要是利用所有的数据计算出物品之间的用户偏好的物品相似的物品推荐给他。具体过程如图 2-

基于物品的协同过滤Fig.2-3Item-basedcollaborativefiltering

【参考文献】：
期刊论文
[1]基于位置社交网络的个性化兴趣点推荐[J]. 韩笑峰,牛保宁,杨茸.  计算机应用研究. 2019(05)
[2]时空嵌入式生成对抗网络的地点预测方法[J]. 孔德江,汤斯亮,吴飞.  模式识别与人工智能. 2018(01)
[3]LBSN中基于活动区域划分的元路径兴趣点推荐[J]. 徐泽锋,刘文菊,王赜.  软件. 2017(11)
[4]基于MapReduce的相似自连接新方法:过滤和内切圆算法[J]. 鲍广慧,张兆功,李建中,玄萍.  计算机研究与发展. 2016(12)
[5]一种基于位置社交网络融合多种情景信息的兴趣点推荐模型[J]. 陈志雄,曾诚,高榕.  计算机应用研究. 2017(10)
[6]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)
[7]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)
[8]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)
[9]Web大数据环境下的不一致跨源数据发现[J]. 余伟,李石君,杨莎,胡亚慧,刘晶,丁永刚,王骞.  计算机研究与发展. 2015(02)
[10]基于粒计算的大数据处理[J]. 徐计,王国胤,于洪.  计算机学报. 2015(08)

博士论文
[1]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

硕士论文
[1]基于LBSN的个性化推荐技术研究[D]. 罗维佳.西南交通大学 2016



本文编号：3109218