位置社交网络(Location Based Social Network,LBSN)的发展,为兴趣点推荐提供丰富的数据资源。基于地理影响的推荐算法是兴趣点推荐的热门研究话题,而现有的推荐算法缺乏对用户个性化行为的分析。因此,提出一种基于用户空间相似性的兴...位置社交网络(Location Based Social Network,LBSN)的发展,为兴趣点推荐提供丰富的数据资源。基于地理影响的推荐算法是兴趣点推荐的热门研究话题,而现有的推荐算法缺乏对用户个性化行为的分析。因此,提出一种基于用户空间相似性的兴趣点推荐算法。首先,利用用户签到数据构建空间分布相似性模型;其次,引入削减因子,提高具有相同签到记录的用户权重;最后,线性融合用户及空间分布性相似性模型对Top-N兴趣点进行推荐,并进行实验验证。实验结果表明,该算法有效提高了兴趣点推荐的质量。展开更多
文摘位置社交网络(Location Based Social Network,LBSN)的发展,为兴趣点推荐提供丰富的数据资源。基于地理影响的推荐算法是兴趣点推荐的热门研究话题,而现有的推荐算法缺乏对用户个性化行为的分析。因此,提出一种基于用户空间相似性的兴趣点推荐算法。首先,利用用户签到数据构建空间分布相似性模型;其次,引入削减因子,提高具有相同签到记录的用户权重;最后,线性融合用户及空间分布性相似性模型对Top-N兴趣点进行推荐,并进行实验验证。实验结果表明,该算法有效提高了兴趣点推荐的质量。
