论文部分内容阅读
随着无线设备、GPS系统及Web2.0技术的快速发展,一种基于位置的社交网络(location-based social networks, LBSNs)开始兴起,越来越多的用户基于这个平台分享和获取地点信息,为了帮助用户快速的选择感兴趣的地点,许多学者展开了个性化地点推荐的研究。由于对地点推荐的研究工作起步较晚,现有的研究还存在一定的不足之处。首先,在单纯利用签到矩阵进行地点推荐的方法中,由于签到矩阵非常稀疏,寻找相似用户或相似地点较为困难,因此推荐效果受到很大影响;其次,在结合地理位置因素的地点推荐方法中,大多是对地理距离进行建模,而没有将用户活动的区域性与地理距离结合起来;在对时间因素的研究中,也缺乏深入探究用户行为在不同时间段之间的关系。因此,本文针对上述问题,对地点推荐方法做了进一步研究,主要工作和成果有以下几点:(1)通过对LBSN上用户签到行为的时间模式的研究,发现在不同时间段之间,用户行为具有一定的相似性,进而对用户行为的时间相似性进行建模,并提出一种基于时间相似性的地点推荐方法。同时,本文基于时间相似性填补了用户-地点的签到矩阵,在一定程度上解决了数据稀疏性的问题。(2)在考虑地理位置因素的地点推荐方法中,改进了传统的基于地理距离的地点预测方式,通过中心聚类方法寻找用户经常活动的区域及中心,并结合待预测地点与区域的距离以及用户对区域的偏好程度,估计用户访问地点的可能性大小。(3)基于LBSN上地点的文本信息,利用LDA方法挖掘地点的隐含主题,并从主题层面计算地点之间的相似性,从而根据待预测地点与用户历史签到地点之间的主题相似程度进行地点推荐。此方法为相似地点的寻找提供了新的思路。(4)本文共提出两种地点推荐方法,即基于时间相似性的地点推荐方法,以及结合地理位置与地点主题的地点推荐方法,并通过真实数据集进行实验,验证了本文提出的方法在推荐性能上有了进一步的提升,对于解决个性化的地点推荐问题具有重要的理论价值和实际意义。