基于位置社交网络融合多种情景信息的兴趣点推荐研究.pdf

摘要 摘 要 伴着 Web2.0 技术和 GPS 信息统筹技术的飞速发展，在传统的社交网络基础上衍生 出基于位置的社交网络(Location-Based Social Networks ，LBSN) ，作为基于位置社交网 络中核心组成部分的兴趣点(Point-of-Interest ，POI)推荐引起了国内外科研人员的广泛关 注。当前大多数兴趣点推荐算法仅通过用户间共同访问项( 即兴趣点)去计算用户间相似 度，由于数据高稀疏性，从而造成兴趣点推荐结果不准确。 为解决上述问题本文基于位置社交网络上的签到用户数据，提出了一种基于位置社 交网络融合多种情景信息的兴趣点推荐方法。将社交网络转换朋友集，基于用户和兴趣 点倒查表法建立用户兴趣信息模型，减少兴趣点推荐的运行时间，提高了推荐效率。采 用 LDA 模型对用户的情感进行建模，计算用户评论的主题概率分布，挖掘出用户在情 感倾向方面的相似度。分析地理影响信息，建立地理影响信息模型，计算地理信息访问 概率。 通过对用户的多种情景信息的挖掘，较好地解决了基于位置社交网络研究中利用多 种情景信息进行兴趣点推荐的问题。实验结果表明，本文提出的基于位置社交网络融合 多种情景信息的兴趣点推荐方法，能够提高推荐的准确度，减小了数据稀疏性的影响， 提高了推荐的效率。相对于其他的主流推荐模型在准确率和召回率两个评估指标上有着 明显的提高。 关键词 基于位置的社交网络；兴趣点推荐；LDA 模型；多种情景信息 I Abstract Abstract Along with the rapid development of Web2.0 technology and GPS information coordination technology, Location-Based Social Networks was derived from traditional social networks, and the recommendation of Point-of-Interest(POI) as a core component of location- based social networks has attracted widespread attention from researchers at home and abroad. Most current POI recommendation algorithms only calculate the similarity between users through common access terms (POI) between users. Due to the high sparseness of the data, the result of the POI recommendation is not accurate. In order to solve the above problem, this paper proposes a method of POI recommendation with multiple scenarios based on Location-Based Social Network. The social network is transformed into a friend set, and a user interest information model is established based on the user and POI look-up table method, which re