| LBSN中融合类别信息的混合推荐模型 |
| |
| 作者姓名： | 张岐山 李可 林小榕 |
| |
| 作者单位： | 福州大学经济与管理学院,福州,350108;北京交通大学下一代互联网互联设备国家工程实验室,北京,100044 |
| |
| 基金项目： | 国家自然科学基金（61300104）;福建省自然科学基金（2018J01791） |
| |
| 摘 要： | 针对基于位置的社交网络（Location-Based Social Network,LBSN）中用户签到数据的高稀疏性问题及用户隐私问题,提出了一种混合推荐模型（SoGeoCat）.首先,通过用户潜在兴趣点数据模型,学习用户的潜在兴趣点;其次,将用户的潜在兴趣点纳入融合类别信息的矩阵分解模型中并优化;最后,根据用户特征矩阵、兴趣点特征矩阵,提出推荐策略.基于Foursquare真实数据集,实验结果表明：（1）相比于其他几个推荐模型,该算法将用户的潜在兴趣点填充至用户-兴趣点矩阵中,可以有效地缓解数据稀疏性的影响;（2）该算法可保护用户家庭信息;（3）在推荐模型中纳入类别信息的影响能提高推荐效果.
|
| 关 键 词： | 位置社交网络 地理位置信息 类别信息 矩阵分解 兴趣点推荐 |
| 收稿时间： | 2018-06-30 |
| 修稿时间： | 2018-07-27 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载免费的PDF全文 |
|
