基于位置社会网络的双重细粒度兴趣点推荐

摘要：

兴趣点推荐是在基于位置社会网络(location-based social network,LBSN)中流行起来的一种全新形式的推荐.利用LBSN所包含的丰富信息进行个性化推荐能有效增强用户体验和提高用户对LBSN的依赖度.针对无显示用户偏好、兴趣非一致性和数据稀疏性等挑战性问题,研究一种针对LBSN的双重细粒度POI推荐策略,即一方面将用户的全部历史签到信息以小时为单位细分为24个时间段,另一方面将每个POI细分为多个潜在主题及其分布,同时利用用户的历史签到信息和评论信息挖掘出用户在不同时间段的主题偏好,以实现POI的Top-N推荐.为实现该推荐思路,首先,根据用户的评论信息,运用LDA模型提取出每个POI的主题分布;然后,对于每个用户,将其签到信息划分到24个时间段中,通过连接相应的POI主题分布映射出用户在不同时间段对每个主题的兴趣偏好.为解决数据稀疏问题,运用高阶奇异值分解算法对用户主题-时间三阶张量进行分解,获取用户在每个时间段对每个主题更为准确的兴趣评分.在真实数据集上进行了性能测试,结果表明所提出的推荐策略具有较好的推荐效果.

关键词：兴趣点推荐、基于位置社会网络、LDA主题模型、兴趣映射、张量分解

所属期刊栏目：54

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目61772245,61262009;江西省自然科学基金项目20151122040083;江西省优势科技创新团队建设计划项目20113BCB24008;江西省教育厅重点科技项目GJJ160419;the National Natural Science Foundation of China61772245,61262009;the Natural Science Foundation of Jiangxi Province of China20151122040083;the Superiority Science and Technology Innovation Team Building Program of Jiangxi Province20113BCB24008;the Science Foundation of Jiangxi Provincial Department of Education of ChinaGJJ160419

在线出版日期：2018-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：2600-2610