LBSN中基于社区联合聚类的协同推荐方法

摘要：

近年来,异质网络中的社区发现逐渐成为人们关注的研究热点,然而现有大多数非重叠或重叠的社区发现方法都局限于考虑单一类型的网络结构,而无法适用于包含多模实体及其多维关系的异质网络,基于位置的社交网络(location based social network,LBSN)作为最近兴起的一种新型异质网络,如何有效发现其含有多维关系的复杂社区结构对现有研究来说是一个挑战性的难题.为此,提出了一种融合用户与位置实体及其多维关系的社区发现方法M RNM F (multi-relational nonnegative matrixfactorization),该方法通过建立基于非负矩阵分解的联合聚类目标函数,并考虑融入用户社交关系、用户-位置签到关系以及兴趣点特征等多维度的影响因素,能同时获得紧密关联的用户模糊社区与兴趣点聚簇结构,以有效缓解推荐中的数据稀疏问题在2种真实LBSN数据集上的实验结果表明,所提出的MRNMF方法同时在兴趣点与朋友这双重推荐上比其他传统方法具有更优越的推荐性能.

关键词：基于位置的社交网络、联合聚类、重叠社区、非负矩阵分解、兴趣点推荐

所属期刊栏目：56

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61502420;浙江省自然科学基金项目LY13F020026,LY16F020032;中国博士后科学基金项目2015M581957;浙江省教育厅科研项目Y201840116

在线出版日期：2019-12-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：2506-2517