融合地理位置及社交关系兴趣点推荐算法.docVIP

融合地理位置及社交关系兴趣点推荐算法 　　摘要摘要：随着位置社交网络的快速增长，越来越多的人借助其分享他们的喜好和位置信息，利用这些信息的潜在规律和呈现出来的偏好特征能够有效地帮助用户发现他们真正感兴趣的地点。然而，用户历史记录数据存在着严重的稀疏性，导致推荐结果不准确。鉴于此，融合地理位置因素和用户社交关系，利用矩阵分解模型提出了一种兴趣点推荐（GSMF算法）。实验结果表明，与主流的兴趣点推荐算法相比，该方法在准确率和召回率等多项指标上均取得了更好的结果 关键词关键词：地点推荐；社交关系；地理因素；GSMF算法 DOIDOI：10.11907/rjdk.171342 中图分类号：TP312 文献标识码：A文章编号文章编号2017）005003405 0引言 近年来，随着Web2.0技术的快速发展，多种地理信息系统已成功实现，如Google公司的Google Earth、微软的MSN Visual Earth等，位置服务和在线社交网络趋于融合，基于位置的社交网络（LBSNs）[13]也在日益兴起，如：Foursquare、Facebook等。用户通过基于位置的社交网络平台以签到的形式分享他们根据自己的喜好而探索的兴趣地点和各种信息。通过对这些丰富的签到信息进行挖掘，可以将其与用户的其它特征结合起来，形成基于用户的历史记录的兴趣库