基于位置社交网络的兴趣点推荐算法研究

发布时间：2021-09-06 21:47

　　兴趣点（Point-of-Interest,POI）推荐有利于用户发现符合其偏好的新位置,并在基于位置的社交网络（Location-Based Social Networks,LBSN）的个性化服务中扮演着重要的角色。用户访问地点的行为是现实世界中的行为并不像虚拟世界中浏览网页一样不受地域的限制,导致在社交网络中用户的签到数据是非常稀疏的,这使得在提高兴趣点推荐性能方面面临严峻的挑战,同时数据的稀疏性给计算地点间的相互关系带来了困难。针对这些问题,本文从随机游走的角度出发提出两种兴趣点推荐方法。首先,本文针对地理位置信息和用户签到行为在LBSN推荐中的影响,以及数据稀疏性造成计算地点间相互关系困难的问题,提出一个基于地理因素和随机游走的兴趣点推荐算法。通过分析地点的位置和用户签到行为提取用户和地点的隐式特征,预测用户对地点的偏好以此向用户推荐兴趣点。该推荐算法利用随机游走模型获取地点关联度,并通过地点间关联关系计算地点相关性系数对地点关联度进行过滤提取地点隐式特征,将从签到数据中提取的用户隐式特征向量与地点隐式特征向量点乘预测用户对地点的偏好程度,按用户对地点偏好程度的排名向用户推荐地... 

【文章来源】：燕山大学河北省

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 兴趣点推荐
        1.2.2 基于地理位置信息的兴趣点推荐
        1.2.3 基于时间的兴趣点推荐
        1.2.4 基于社会关系的兴趣点推荐
        1.2.5 基于文本信息的兴趣点推荐
    1.3 本文的主要研究内容
    1.4 本文的组织结构
第2章 推荐算法和相关理论
    2.1 推荐算法
        2.1.1 协同过滤推荐
        2.1.2 基于内容的推荐
        2.1.3 混合推荐
    2.2 基于位置的社交网络
        2.2.1 LBSN的结构原理
        2.2.2 LBSN中的位置推荐
    2.3 相关理论介绍
        2.3.1 随机游走PageRank概述
        2.3.2 关联规则概述
    2.4 本章小结
第3章 基于地理因素和随机游走的兴趣点推荐算法
    3.1 引言
    3.2 基于地理因素和随机游走的兴趣点推荐框架
    3.3 数据预处理
        3.3.1 地理位置因素对用户行为的影响
        3.3.2 获取用户行为对地点的影响强度
        3.3.3 计算地点相关性
        3.3.4 提取用户隐式特征
    3.4 随机游走POI推荐
        3.4.1 构建转移概率矩阵
        3.4.2 随机游走兴趣点推荐
    3.5 本章小结
第4章 基于地点隐式特征的兴趣点推荐算法
    4.1 引言
    4.2 基于地点隐式特征的兴趣点推荐算法框架
    4.3 数据预处理
    4.4 提取地点隐式特征
        4.4.1 关联规则的3 个指标
        4.4.2 地点隐式特征
    4.5 进行兴趣点推荐
    4.6 本章小结
第5章 实验验证与分析
    5.1 实验数据与实验环境
        5.1.1 实验数据
        5.1.2 实验环境
        5.1.3 实验评价指标
        5.1.4 对比试验
    5.2 基于地理因素和随机游走的兴趣点推荐算法实验分析
    5.3 基于地点隐式特征的兴趣点推荐算法实验分析
    5.4 本文提出的两种算法的实验对比与分析
    5.5 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢


【参考文献】：
期刊论文
[1]基于深度学习的混合兴趣点推荐算法[J]. 冯浩,黄坤,李晶,高榕,刘东华,宋成芳.  电子与信息学报. 2019(04)
[2]评价信息的位置社交网络兴趣点推荐模型[J]. 林占国.  电子技术与软件工程. 2018(19)
[3]混合时空和流行度特征的兴趣点推荐算法[J]. 吴燕,章韵,陈双双.  计算机工程. 2018(09)
[4]基于潜在兴趣和地理因素的个性化兴趣点推荐研究[J]. 王亚男.  现代计算机(专业版). 2018(15)
[5]一种基于矩阵分解的上下文感知POI推荐算法[J]. 彭宏伟,靳远远,吕晓强,王晓玲.  计算机学报. 2019(08)
[6]基于潜在地理——社会关系感知的兴趣点推荐研究[J]. 崔琳,宋启祥,李玉林,戚溪溪.  宿州学院学报. 2017(09)
[7]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)
[8]引入时间衰减项的兴趣点推荐算法[J]. 常晓雨,余正生.  杭州电子科技大学学报(自然科学版). 2016(03)
[9]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)
[10]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)

硕士论文
[1]多因素融合的个性化位置推荐算法研究[D]. 马慧怡.兰州大学 2016



本文编号：3388229