融合好友评分和评论的兴趣点推荐算法的研究

发布时间：2021-12-28 05:13

　　为了使兴趣点推荐越来越智能化,增加人们对推荐结果的满意度,越来越多的学者对兴趣点推荐算法进行了研究。现有的兴趣点推荐算法,由于没有全面考虑影响用户评分的因素,使得在分析用户对兴趣点的喜爱程度时存在偏差.更重要的是大多数学者都没有对用户的评价进行分析。由于用户的评价内容能够反映用户喜欢的兴趣点特征,所以忽略用户的评价内容,不利于分析用户喜欢的兴趣特征,而且会影响推荐的结果。针对此现状,本文对好友的评价内容进行情感分析,分析出用户喜欢的兴趣点特征,并提出了基于好友评价的分值预测算法。根据影响因素的类型对用户评分进行建模,减小评分的偏差。通过将评分和评价进行融合,提出了一种融合好友评分和评价的兴趣点推荐算法,为用户推荐未去过且可能有较高意愿的兴趣点,具体工作如下:一、提出了一种基于好友评价的分值预测算法。由于用户签到的随机性,本文通过地点信息熵来筛选用户的兴趣好友。通过将兴趣好友的兴趣点集合与用户的进行对比,筛选出时间阈值内好友可能为用户推荐的兴趣点。通过分词技术对好友的评价进行分词处理,利用主题模型的思想,对评价内容由特征词到特征面的情感分析,考虑了好友对兴趣点特征面的关注度,对好友的评价... 

【文章来源】：辽宁大学辽宁省 211工程院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

本文主要研究内容图

2.1 相关理论知识在这一小节，将主要介绍 LBSN 的定义、LDA 主题模型的定义、用户专家的定义和各个专有名词的定义。2.1.1 LBSN 的定义定义 2.1 LBSN[34-35]：将位置信息融入到社交网络中去，通过社交网络进行相互交互，能够将虚拟网络与现实生活联系起来。通过用户的签到信息能够分析用户的活动规律，通过用户对兴趣点的评分和评价信息，能够挖掘出用户对兴趣点的喜爱程度。通过用户之间签到信息，能够分析出用户的兴趣点信息熵能够拟合出用户与用户之间是否具有共同兴趣爱好。LBSN 框架可以通过时间因素进行串联，通过用户与好友、用户与兴趣点、兴趣点与地理位置等三层网络关系进行表示[36]，如图 2-1 所示。

用户评分实例图


本文编号：3553468