论文部分内容阅读
随着互联网的快速发展,信息过载问题使得人们难以从浩如烟海的信息中找到满意的资源,而推荐算法的出现能够有效帮助人们筛选出自己感兴趣的信息。遗憾的是,传统推荐算法对用户位置信息的挖掘较少,难以实现较为个性化的推荐。近些年定位技术的发展可以快速准确地获取用户的位置信息,使得个性化位置感知推荐系统成为时下的研究热点。由于位置感知推荐系统引入了用户的位置信息,它能比传统推荐系统更好地挖掘用户的偏好特点。到目前为止,位置感知推荐系统根据获取的位置信息可以分为住址信息类和实时位置类,从推荐的结果类型可以分为媒体推荐和地点推荐等。在实际场景中,位置感知推荐系统里的许多地点的签到记录较少,甚至会出现一些地点没有任何记录,最终会导致造成系统中的数据非常稀疏,降低推荐准确性。本文对传统推荐系统以及位置感知推荐系统进行了广泛地研究,对常见推荐算法、位置感知的主要方法以及重要的融合策略都有详细的介绍。同时,提出了多目标进化算法在位置感知推荐问题中的两种应用方式,一种是基于多目标进化算法的媒体推荐,另一种的基于多目标进化算法的位置推荐。在基于多目标进化算法的媒体推荐一章中,我们利用用户的住址信息,采用多目标聚类方法对用户进行聚类,在提高了系统准确性的同时保证了推荐的覆盖率。而基于多目标进化算法的位置推荐则通过用户的签到记录,利用多目标进化算法对用户的个性兴趣以及共有兴趣进行建模,最终向用户推荐满足其兴趣的结果。我们对以上两种方法都与其它算法进行了对比实验分析,从而表明基于多目标进化的媒体推荐算法以及基于多目标进化的位置推荐的可行性和有效性,说明多目标进化算法适合用于位置感知推荐系统中,能够较好地解决数据稀疏和冷启动等问题。