论文部分内容阅读
个性化地点推荐系统对于基于位置的社交网络(Location-based Social Networks,LBSNs)的发展至关重要。它不仅能够帮助用户挖掘新的地点,同时也有利于服务商更好地提供个性化服务。现存关于这方面的研究,将所有的地点同等看待。但是在不同类别中,签到频率的数据规模却不可同等看待。本文基于TF-IDF理论将签到频率转换成基于类别的偏好数据,提出一个基于地理邻近性的深度自编码器模型,利用签到数据中的地理信息构造推荐系统。在LBSNs真实数据集上进行实验分析,结果表明相对于对比算法,本