典型文献
基于用户活动轨迹和个性化区域划分的兴趣点推荐
文献摘要：
随着基于位置的社交网络(Location-Based Social Networks,LBSNs)与兴趣点(Point of Interest,POI)推荐的有效组合,近年来已涌现出大量的相关研究,这些方法主要可分为将地理、社会、类别、文本以及时间等上下文信息进行建模并融合,进而克服数据稀疏问题并提升兴趣点推荐的性能.但已有的兴趣点推荐方法认为不同上下文间相互独立,在对不同上下文建模并融合的过程中忽略了其内在联系,导致上下文信息未得到充分利用.另外,在将上下文模型融合到用户自身偏好模型时,未考虑上下文信息对用户历史签到记录的不同影响.为应对上述挑战,本文合理地重构了上下文信息模型并有效地融合到用户偏好模型中,且提出了一种基于用户活动轨迹和个性化区域划分的兴趣点推荐方法.该方法根据用户的活动轨迹刻画出其日常活动区域,并探索了不同用户间的地理距离分布以及活动轨迹的相似度以建模社会关系对用户签到的影响.进一步地,结合用户活动轨迹区域内的POI的地理信息,使用带有自适应带宽的核密度估计方法评估POI间的地理相关性,以建模POI地理信息对用户签到的影响.最后,将用户社会关系模型和POI地理信息模型与用户自身偏好模型融合,使用改进的加权矩阵分解技术求解用户的个性化POI推荐.本文分别采用经典的和当前流行的相关研究作为基准,在Gowalla和Foursquare数据集上进行对比,实验结果表明本文方法具有更好的POI推荐效果,说明了本文提出的模型在融合策略和克服数据稀疏性方面更具优势.
文献关键词：
基于位置的社交网络;兴趣点推荐;上下文信息;数据稀疏;用户活动轨迹;加权矩阵分解
中图分类号：
作者姓名：
安敬民;李冠宇;蒋伟;孙云浩
作者机构：
大连海事大学信息科学技术学院 辽宁大连 116026
文献出处：
引用格式：
[1]安敬民;李冠宇;蒋伟;孙云浩-.基于用户活动轨迹和个性化区域划分的兴趣点推荐)[J].计算机学报,2022(06):1176-1194
A类：
用户活动轨迹,LBSNs,加权矩阵分解
B类：
区域划分,兴趣点推荐,基于位置的社交网络,Location,Based,Social,Networks,Point,Interest,POI,涌现出,上下文信息,推荐方法,同上,相互独立,模型融合,合到,签到,用户偏好,刻画出,日常活动,活动区域,同用,地理距离,核密度估计,估计方法,方法评估,地理相关性,关系模型,地理信息模型,分解技术,Gowalla,Foursquare,推荐效果,融合策略,数据稀疏性
AB值：
0.244694
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
