基于位置的社交网络中兴趣点推荐算法研究

发布时间：2024-05-21 05:36

　　随着移动定位技术的成熟以及智能手机、手环等移动终端的普及,基于位置的社交网络(Location-based Social Networks,LBSN)逐渐成为人们生活中不可缺少的组成部分。在LBSN中,位置推荐服务也被称为兴趣点(Point-of-Interest,POI)推荐。POI推荐通过分析用户历史签到数据,挖掘用户偏好,预测用户可能访问的位置地点。本文研究传统推荐和深度推荐方法在POI推荐任务上的应用,在对用户签到行为分析的基础上,对现有方法做了大量的研究与改进,提出了两种切实可行的改进模型,并通过实验验证了模型的有效性。首先,提出了融合地点影响力的POI推荐模型。为缓解数据稀疏问题,将2-度好友引入协同过滤算法中,获取社交因素对签到的影响;针对现有协同过滤算法推荐准确率较低的问题,构建地点影响力模型,结合核密度估计方法深入挖掘地理位置因素的影响,提高推荐的准确性;同时利用2-度好友签到记录构建候选集,提升推荐效率。其次,提出了基于多特征表示和注意力机制的深度POI推荐模型。在研究深度推荐方法的基础上,构建POI及用户特征的提取模型。具体地,使用约束矩阵分解方法获取POI地理位...

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

图2-4签到位置展示Figure2-4Theshowofcheck-ininmap

硕士学位论文

图2-6好友共同访问比例Figure2-6Thescaleofcommonvisitingfromfriends

会影响理论，用户的行为会受到其他用户的影响。相比于普通用户，好友具有更强大的影响力，用户倾向于朋友推荐的项目。为分析好友对用户签到的社交影响，本文简单计算用户签到POI与其好友访问的相似性，即用户访问的POI数量占好友访问的比例。由于POI访问受地理位置限制，网络的虚拟性导致好友....

图5-3导入数据集Figure5-3Importdataset

硕士学位论文44试集。数据预处理界面，如图5-4所示。图5-3导入数据集Figure5-3Importdataset图5-4数据过滤与划分数据集Figure5-4Datafilteringanddatasetsegmentation5.2.2签到分析模块在位置社交网络推荐中，签到....

图5-4数据过滤与划分数据集Figure5-4Datafilteringanddatasetsegmentation

硕士学位论文44试集。数据预处理界面，如图5-4所示。图5-3导入数据集Figure5-3Importdataset图5-4数据过滤与划分数据集Figure5-4Datafilteringanddatasetsegmentation5.2.2签到分析模块在位置社交网络推荐中，签到....

本文编号：3979680