本文選題：用戶興趣點推薦 + 社交網(wǎng)絡��； 參考：《計算機科學》2017年12期

【摘要】：隨著位置社交網(wǎng)絡(Location-Based Social Networks,LBSN)的快速發(fā)展,興趣點(Point-Of-Interest,POI)推薦對于用戶和商家愈發(fā)重要。目前基于社交網(wǎng)絡的興趣點推薦算法主要利用用戶的歷史簽到數(shù)據(jù)和社交網(wǎng)絡數(shù)據(jù)來提升推薦質量,但忽略了利用興趣點的評論文本數(shù)據(jù);并且LBSN中的數(shù)據(jù)經(jīng)常會存在部分信息缺失的情況,對興趣點推薦算法而言如何保證魯棒性是一個巨大的挑戰(zhàn)。為此,提出了一種新的用戶興趣點推薦模型,稱其為SoGeoCom模型。該模型融合了用戶社交網(wǎng)絡數(shù)據(jù)、地理位置數(shù)據(jù)以及興趣點的評論文本數(shù)據(jù)這3個因素來進行興趣點推薦�；趤碜訷elp的真實數(shù)據(jù)集的實驗結果表明,與其他主流的興趣點推薦算法相比,SoGeoCom模型能夠提高準確率和召回率,并且具有良好的魯棒性,獲得了更好的推薦效果。
[Abstract]:With the rapid development of Location-Based Social Networks (LBSN), Point-Of-InterestPoI recommendations are becoming increasingly important to users and businesses. At present, social network-based point of interest recommendation algorithm mainly uses user's history check in data and social network data to improve the quality of recommendation, but neglects to use the comment text data of interest point; And the data in LBSN often have some missing information, so how to ensure robustness is a great challenge to point of interest recommendation algorithm. Therefore, a new user point of interest recommendation model is proposed, which is called SoGeoCom model. The model combines user social network data, geographical location data and comment text data of points of interest to make point of interest recommendation. The experimental results based on the real data set from Yelp show that the SoGeoCom model can improve the accuracy and recall rate compared with other popular point of interest recommendation algorithm and has good robustness and better recommendation effect.
【作者單位】： 武漢理工大學計算機科學與技術學院;
【基金】：國家自然科學基金(61303029) 科技部國家科技支撐計劃基金項目(2012BAH89F01)資助
【分類號】：TP391.3

【相似文獻】

相關期刊論文 前10條

1 魏杰;;搜索“興趣點”[J];互聯(lián)網(wǎng)周刊;2008年01期

2 吳紅娉;虞明雷;章圣潔;;圖像興趣點的可信度增強方法研究[J];計算機應用與軟件;2008年12期

3 吳長春;劉陽;白云;;興趣點在城市管理信息系統(tǒng)中的具體應用[J];城市管理與科技;2008年02期

4 唐燦;唐亮貴;劉波;;一個面向新興趣點發(fā)現(xiàn)的模糊興趣挖掘算法[J];計算機科學;2007年06期

5 杜吉祥;郭一蘭;翟傳敏;;基于局部時空興趣點特征包的事件識別[J];南京大學學報(自然科學版);2012年01期

6 孫達;唐降龍;劉家鋒;黃劍華;;基于概率密度的興趣點檢測算法[J];自動化學報;2008年08期

7 王揚揚;李一波;姬曉飛;;人體動作的超興趣點特征表述及識別[J];中國圖象圖形學報;2013年07期

8 吳長春;劉陽;白云;;談興趣點在城市管理信息系統(tǒng)中的具體應用[J];測繪與空間地理信息;2008年02期

9 劉毅;張明;;基于興趣點的圖像檢索[J];計算機工程與應用;2006年12期

10 廖斌;肖山竹;盧煥章;;基于加權局部熵的圖像興趣點檢測方法[J];激光與紅外;2007年04期

相關會議論文 前3條

1 王晗;滕鵬;梁瑋;;使用稠密興趣點包的非對稱風景圖像檢索[A];第七屆和諧人機環(huán)境聯(lián)合學術會議（HHME2011)論文集【poster】[C];2011年

2 凌賀飛;陳勇;鄒復好;許治華;李平;;基于Harris興趣點區(qū)域的圖像拷貝檢測算法[A];第八屆全國信息隱藏與多媒體安全學術大會湖南省計算機學會第十一屆學術年會論文集[C];2009年

3 顏艷春;;電子商務的下一個浪潮:社交購物[A];第四屆（2011）中國商業(yè)信息化行業(yè)大會暨第四屆中國商業(yè)信息化技術展覽會會刊[C];2011年

相關重要報紙文章 前10條

1 ;企業(yè)如何創(chuàng)建內(nèi)部社交網(wǎng)絡[N];網(wǎng)絡世界;2012年

2 焦霖;人臉識別技術與社交網(wǎng)絡威脅個人隱私[N];中國社會科學報;2011年

3 本報記者 程彥博;社交網(wǎng)絡的企業(yè)級應用價值[N];中國計算機報;2013年

4 記者 楊駿;約會軟件:下一場“社交網(wǎng)絡風暴”？[N];新華每日電訊;2014年

5 趙圓媛;中國社交網(wǎng)絡——科技融資帶來另類掘金體驗[N];四川日報;2008年

6 本報記者 卞曉婷;臉萌應用風靡社交網(wǎng)絡 內(nèi)容單一恐后勁不足[N];通信信息報;2014年

7 電腦商報記者 彭敏;SNS引發(fā)協(xié)作新趨勢：社區(qū)化[N];電腦商報;2009年

8 特約撰稿 史彥澤;當SaaS遇到社交網(wǎng)絡[N];計算機世界;2012年

9 張貝貝;CIO為社交網(wǎng)絡頭疼?[N];中華合作時報;2013年

10 本報記者 邱燕娜;SaaS二次浪潮[N];中國計算機報;2011年

相關博士學位論文 前10條

1 徐浩;移動情景感知的實時推薦技術研究[D];國防科學技術大學;2015年

2 李鑫;基于位置社交網(wǎng)絡的地點推薦方法及應用研究[D];中國科學技術大學;2015年

3 梁斌;社交網(wǎng)絡人物搜索的研究[D];清華大學;2015年

4 張魯民;面向社交網(wǎng)絡的群體分析關鍵技術研究[D];國防科學技術大學;2015年

5 孔超;基于異構開放數(shù)據(jù)源的實體匹配[D];華東師范大學;2017年

6 丁旋;社交網(wǎng)絡分析中的隱私保護問題：去匿名化與無縫隱私[D];清華大學;2014年

7 張志軍;社交網(wǎng)絡中個性化推薦模型及算法研究[D];山東師范大學;2015年

8 連德富;基于位置社交網(wǎng)絡的數(shù)據(jù)挖掘[D];中國科學技術大學;2014年

9 鄭夏冰;探討過量使用移動社交網(wǎng)絡Apps對個人用戶的負面影響[D];中國科學技術大學;2014年

10 韓軍偉;基于內(nèi)容的圖象檢索技術研究[D];西北工業(yè)大學;2003年

相關碩士學位論文 前10條

1 劉袁柳;面向LBSN的興趣點和用戶推薦方法研究[D];蘇州大學;2015年

2 張淼;基于位置社交網(wǎng)絡的興趣點推薦方法研究[D];西南大學;2015年

3 林辰;SAP用戶興趣點分析系統(tǒng)后臺的設計與實現(xiàn)[D];南京大學;2014年

4 程呈;基于差分隱私的興趣點推薦系統(tǒng)的設計與分析[D];電子科技大學;2015年

5 蔣曉玲;基于用戶偏好的個性化路徑挖掘研究[D];東北大學;2013年

6 朱燕;基于時空興趣點的豬的跛腳行為識別[D];江蘇大學;2016年

7 宋亞偉;融合時空特征的興趣點推薦算法研究[D];燕山大學;2016年

8 王凱慈;基于LBSN簽到數(shù)據(jù)的用戶行為預測與興趣點推薦[D];南京郵電大學;2016年

9 陳紫城;基于時空興趣點的生豬行為識別[D];華南農(nóng)業(yè)大學;2016年

10 郭峰;基于局部時空興趣點的人體行為識別方法研究[D];浙江工業(yè)大學;2016年

，

本文編號：2041668