融合多影响因素的兴趣点推荐算法研究

发布时间：2024-02-04 06:34

　　移动互联设备的普及极大地促进了基于位置的社交网络LBSN(Location-Based Social Networks)的发展。用户访问兴趣点时可以实时分享地点体验,分析用户与兴趣点的交互数据,能够为用户进行个性化兴趣点推荐。本文针对兴趣点推荐算法研究中存在的数据稀疏、信息挖掘不充分、推荐精度低的问题,融合时间、地理等多种兴趣点影响因素,提出了相应的解决方法。本文首先分析了兴趣点推荐算法的研究现状。针对兴趣点推荐时间信息挖掘不充分的问题,分析用户行为的时间非均匀性和时间连续性;分析兴趣点在不同时段的访问量,引入兴趣点时间流行特性,并将两者结合到兴趣点推荐中,探索用户行为的时间模式,提出融入时间影响因素的兴趣点推荐算法。其次,针对兴趣点推荐存在的数据稀疏问题,本文考虑用户的社交因素,地理位置因素,学习用户的个人偏好,生成兴趣点推荐列表,使用表中兴趣点对用户的原始签到矩阵进行扩充,提高矩阵密度。再次,针对推荐精度较低的问题,本文将社交影响因素和地理影响因素结合到兴趣点推荐中,将地理影响因素以预测的方式融入到原始矩阵分解方法中,将社交因素作为正则约束项,对矩阵分解的损失函数进行优化。然后融入...

【文章页数】：69 页

【学位级别】：硕士

【部分图文】：

图3-1用户签到随时间概率分布

时间影响因素对兴趣点的推荐发挥着至关重要的作用。通常情况，时间因素在以下两个方面影响着用户对兴趣点的选择。一方面，用户活跃度是随时间变化的。如图3-1所示，在Gowalla数据集中随机抽取三位用户，统计用户在不同时间段的签到频率，发现用户u2一天中傍晚和凌晨这两个区间的活动是连续....

图3-2兴趣点v1和v2签到随时间概率分布

需求的兴趣点，从而取得更好的推荐效果。图3-1用户签到随时间概率分布另一方面，兴趣点同样具备时间特性。如图3-2所示，展示了Gowalla数据集中兴趣点v1和v2的签到频率随时间的变化。可明显观察到v1的签到时间集中在17点到22点，其他时间v1的签到频率很低，而v2是另一种....

图5-1参数δ对precision的影响

燕山大学工程硕士学位论文3融入时间影响因素的兴趣点推荐算法实验3.1实验参数设置对于融合时间影响因素的兴趣点推荐算法的实验涉及到4个参数。该算法，算损失函数时，为了防止过拟合，加入两个与用户和兴趣点相关的正则项，在个正则项前面分别设置和两个系数，来控制用户矩阵和....

图5-2参数δ对recall的影响

为了获得较好的推荐结果，并且实验运算计算方便，将正则化系数和的为0.05。将兴趣点的推荐数量K置为5。通过对设置不同的值，来观察对果产生的影响。对准确率precision@5和召回率recall@5在各时段的平均的如图5-1和图5-2所示。图5....

本文编号：3895378