论文部分内容阅读
基于位置社交网络中的兴趣点推荐不仅能够帮助用户有效挖掘新地点,带来新体验,还可以帮助兴趣点商家向用户发送广告,提高商业效益.针对兴趣点推荐中存在的精度低问题,提出一种结合流行度特征和核密度估计的兴趣点推荐算法.首先从位置社交网络大量的签到数据中分别提取兴趣点流行度特征和时间连续性特征,然后提出基于连续时间槽的兴趣点流行度评估方法.在此基础上,采用二维高斯核密度估计设计一个兴趣点推荐算法PKDE,最后在三个大型真实社交网络的签到数据集上进行实验对比和分析.实验表明,与已有同类算法相比,本文提出的兴趣点推荐算法能够有效提高推荐精度和召回率.