基于位置的社交網絡興趣點推薦策略研究.pdf

1、基于位置的社交網絡(Location-Based Social Network，LBSN)技術不斷發(fā)展的同時也為用戶帶來豐富的信息，但用戶很難從中找到自己感興趣的信息。推薦系統(tǒng)旨在幫助用戶發(fā)現(xiàn)其感興趣的信息，是解決信息過載問題的重要工具。興趣點推薦是基于位置社交網絡推薦的一個分支，興趣點推薦研究一方面可以為用戶推薦一些感興趣的地點，以此來豐富用戶的生活體驗;另一方面可以為商家吸引潛在的用戶，提高商家的知名度，為商家?guī)碡S厚的利益。

2、>　　本文首先總結了興趣點推薦的研究現(xiàn)狀，深入分析了現(xiàn)有興趣點推薦算法的優(yōu)缺點，并舉例了幾個較為典型的興趣點推薦算法。同時，描述了興趣點推薦受時間和空間特性的影響。
　　然后，提出了基于隱語義模型的混合高斯聚類推薦模型。詳細分析了用戶簽到數(shù)據(jù)的空間特性，發(fā)現(xiàn)用戶總是在較少的幾個“中心點”附近進行簽到，在此基礎上，分別介紹了基于隱語義模型的推薦算法和基于混合高斯聚類的推薦算法。探討了之前的一些研究存在的缺陷，例如在聚類過程中“中心點

3、”離群和需要手動設置簇的個數(shù)等，利用了一個貪婪EM(Expectation Maximization Algorithm)算法來克服這些缺點所帶來的不良影響，得到了基于隱語義模型的混合高斯聚類推薦模型，并在公開的數(shù)據(jù)集Gowalla和BrightKite上分別進行試驗并驗證了算法的有效性。
　　最后，提出了融合時空特性的興趣點推薦模型。探討了興趣點推薦受時間特性的影響，并分析了用戶行為隨時間的變化具有差異性和連續(xù)性特征。在此基礎上