基于LBSN隐式签到数据的兴趣点推荐算法研究

发布时间：2021-04-15 06:19

　　随着智能移动设备的普及和全球定位系统（Global Positioning System,GPS）的发展,人们能更加便捷迅速的获取实时位置信息,这也使得基于位置的社交网络越来越受欢迎。比如Foursquare,Gowalla,Brightkite等等,这些实时在线系统鼓励用户在朋友圈分享他们的生活经历和在访问有趣的位置时进行实时签到。如今,人们的生活移动轨迹不仅仅受周边同事、朋友的影响,更多会参考在社交网络上朋友的分享,这将使得基于位置的社交成为一种社交的潮流,同时为激励人们探索自己感兴趣的未知地点创造了机会。虽然基于位置的社交网络（Location-based Social Network,LBSN）推荐系统得到了广泛的研究,但是大多数的研究工作和方法都聚焦于显式反馈数据的场景,却忽视了基于隐式反馈数据的研究。在网络发达的今天,人们可以随时随地的签到,然而产生的大多数签到数据都为隐式反馈数据,只包含一些基本签到信息（游览记录,时间,地点）和签到留下的历史记录。其中大多签到数据缺少明确的用户偏好信息（例如喜欢某地,不喜欢某地）,进而导致了基于隐式反馈的推荐变得复杂起来。本文通过挖掘基于... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

LBSN的信息层次结构

且签到的次数jilul rur。假设用户对的il 偏好大于用户对jl:iujll1 户1u 对于位置3il偏好大于位置2il，如图 3.1 所示）。对于用户都有访问且在该地点有相同的签到数或者是同时都没有签到记录，则无法判断他小。在文献[32]给出了对这种无法直接判断地点间偏好大小关系的规则,据集 U L L：:{(u,,)|(\}RijiujujiD lll L l LL l (3.1)用户u 已经签到的兴趣点集合， uL \ L表示用户u 未被访问过的兴趣点示参观过的地点集合,但是访问频率或评分低于兴趣点il 。ijR(u ,l,l) D意表示对于用户u假定对兴趣点il 的偏好高于兴趣点jl。且 Asu 是反对

位论文 第 3 章 基于 LBSN 时空距离222()()()ijijsijd x x y y22()()ijTijd t t222(d)[()()]()ijtijijSTsij x x y y t t间距离和空间距离的平衡参数，时空参数 得[45]。但是时间距离和空间距离的度量单位），所以最重要的是找到一种统一的度量方在文献[45]中给出了解决方案，将三维笛卡。

【参考文献】：
期刊论文
[1]融合时空上下文信息的兴趣点推荐[J]. 徐前方,王嘉春,肖波.  北京邮电大学学报. 2018(01)
[2]一种基于社交网络社区的组推荐框架[J]. 刘宇,吴斌,曾雪琳,张云雷,王柏.  电子与信息学报. 2016(09)

硕士论文
[1]基于位置社交网络的个性化推荐方法的研究[D]. 任若愚.吉林大学 2017
[2]面向显式反馈和隐式反馈的协同推荐算法研究[D]. 段玉超.深圳大学 2016
[3]推荐系统中多源信息融合和隐式反馈挖掘的研究[D]. 胡光能.南京大学 2016
[4]融合时空特征的兴趣点推荐算法研究[D]. 宋亚伟.燕山大学 2016



本文编号：3138813