典型文献
融合谱聚类和多因素影响的兴趣点推荐方法
文献摘要：
[目的]提高基于位置的社交网络的推荐算法的运行效率并降低稀疏数据对推荐效果的影响,提高兴趣点推荐准确率指标等.[方法]使用自适应谱聚类方法对用户进行分组,将组内用户访问过的兴趣点组成待推荐集合,综合考虑4个方面的影响,计算待推荐集合中兴趣点的吸引力评分,向用户推荐评分较高的兴趣点.[结果]在两种真实的基于位置的社交网络数据集Gowalla、Foursquare中进行实验.实验结果表明,推荐兴趣点个数为2时,推荐准确率分别为11.4％、7.4％,与对比方法Lore相比准确率分别提高3.2％、1.1％;运行时间为50 644.5 s、406 224.7 s,分别缩短16 961.5 s、227 248.6 s.[局限]聚类效果的好坏对兴趣点的筛选结果有较大影响,因此所提算法对用户聚类分组效果有一定依赖性.[结论]该算法易于执行,执行效率较高,并且可以融合各种方法充分利用LBSN这种异质网络中的丰富语义信息来提升准确率.
文献关键词：
谱聚类;兴趣点推荐;基于位置的社交网络
中图分类号：
作者姓名：
郭蕾;刘文菊;王赜;任悦强
作者机构：
天津工业大学计算机科学与技术学院 天津300387
文献出处：
引用格式：
[1]郭蕾;刘文菊;王赜;任悦强-.融合谱聚类和多因素影响的兴趣点推荐方法)[J].数据分析与知识发现,2022(05):77-88
A类：
Lore
B类：
融合谱,谱聚类,多因素影响,兴趣点推荐,推荐方法,基于位置的社交网络,推荐算法,稀疏数据,推荐效果,高兴,聚类方法,用户访问,中兴,向用,用户推荐,社交网络数据,Gowalla,Foursquare,比方,运行时间,好坏,用户聚类,聚类分组,分组效果,执行效率,LBSN,异质网络,富语义,语义信息
AB值：
0.398102
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。
