【摘要】：隨著大數(shù)據(jù)技術的快速發(fā)展,推薦系統(tǒng)成為大數(shù)據(jù)領域里的一個重要的研究方向.隨著基于位置社交網(wǎng)絡(Location-Based Social Networks,LBSN)的快速發(fā)展,興趣點(Point-Of-Interest,POI)推薦成為一個重要的研究熱點,幫助人們發(fā)現(xiàn)有趣的并吸引人的位置,特別是當用戶在異地旅行的時候.由于用戶的簽到行為具有高稀疏性,為興趣點推薦帶來很大的挑戰(zhàn).為處理用戶簽到數(shù)據(jù)的稀疏性問題,越來越多的研究結(jié)合地理影響、時間效應、社會相關性、內(nèi)容信息和流行度影響這些方面的因素為提高興趣點推薦的性能.然而,目前的研究缺乏一種綜合分析上述所有因素共同作用的方法來處理興趣點的數(shù)據(jù)稀疏問題,特別是異地推薦場景被目前大多數(shù)研究工作所忽略.針對以上所述的挑戰(zhàn),文中提出一種聯(lián)合概率生成模型,稱為GTSCP,模擬用戶簽到行為的決策過程,該模型有效地融合上述因素來處理數(shù)據(jù)稀疏性,特別是異地推薦場景.文章所提的興趣點推薦方法包含離線模型和在線推薦兩個部分.文中所提的GTSCP聯(lián)合模型支持本地和異地兩種推薦場景.文章在多個真實LBSNs的大規(guī)模簽到數(shù)據(jù)集上進行實驗,結(jié)果表明該算法相比其它先進的興趣點推薦算法具有更好的推薦效果.
【圖文】：

（Ｓ＋Ｋ＋Ｒ）Σｕ｜Ｆｕ｜Σｕ｜Ｄｕ｜）．３．４空間平滑優(yōu)化為處理用戶興趣漂移問題，，我們構(gòu)建當?shù)仄媚Ｐ停疄檫M一步處理數(shù)據(jù)稀疏問題，我們利用樹型結(jié)構(gòu)，稱為空間金字塔，劃分空間項目位置到不用層次不同大小的空間網(wǎng)絡中．更具體地說，空間金字塔分解空間成Ｈ個水平層．第０層只有一個空間網(wǎng)格．對于一個給定的第ｈ層，空間被劃分成４ｈ個面積相等的網(wǎng)格．因此，空間可以遞歸地劃分成很多不同層次不同粒度的單元格．空間金字塔的圖解如圖３所示．圖３空間金字塔在空間數(shù)據(jù)挖掘中的一個基本假設是一切事物都與其他事物相關聯(lián)，附近的事物比遙遠的事物更加具有相關性，此理論為地理學第一定律［３６］．這個定律被稱為“空間自相關”．空間金子塔可以有效地執(zhí)行這個定律．換言之，對于每個位置ｌ，其可以表示為一條從根節(jié)點到其相對應的葉節(jié)點的路徑．我們使用一個向量（ｌ１，ｌ２，…，ｌｈ，…，ｌＨ）來描述路徑．基于位置向量的表示，我們可以很容易地計算出兩個位置之間的鄰近度．如果兩個位置在空間金子塔共享越多的祖先，那么這兩個位置就越鄰近．當在位置ｌ的用戶活動數(shù)據(jù)非常稀疏時，則當?shù)仄忙取洌炀筒荒鼙粶蚀_地評估．為了處理這個問題，我們利用地理相關性來增強模型參數(shù)θ′ｌ的先驗知識．在地理空間中，如果兩個位置ｌ和ｌ′是鄰近的，則當?shù)仄忙取洌旌挺取洌臁涓酉嗨疲疄榱巳诤系乩硐嚓P性信息到我們的１３７期任星怡等：基于用戶簽到行為的興趣點推薦

推薦場景中利用空間模式更有利；（４）另一個觀察是圖６中的ＧＴＳＣＰ模型和其它對比的推薦方法之間的性能差距小于圖５中所示，顯示了當數(shù)據(jù)稀疏問題不嚴重的時候，推薦方法之間的性能差異就變得不那么明顯．圖５和圖６之間的比較顯示這兩個推薦場景本質(zhì)上是不同的，應該被分開單獨評估．圖６Ｆｏｕｒｓｑｕａｒｅ數(shù)據(jù)集上的本地推薦ｔｏｐ－ｋ性能Ｔｗｉｔｔｅｒ數(shù)據(jù)集上的異地與本地推薦場景．圖７和圖８顯示了在Ｔｗｉｔｔｅｒ數(shù)據(jù)集上的對比推薦模型的性能．從圖７和圖８中，觀察的結(jié)果與圖５和圖６的趨勢相似．主要的區(qū)別為在本文實驗的Ｔｗｉｔｔｅｒ數(shù)據(jù)集上的所有推薦方法的精確度比在Ｆｏｕｒｓｑｕａｒｅ數(shù)據(jù)集上的所有推薦方法的精確度低．這可能是由于用戶在Ｆｏｕｒｓｑｕａｒｅ數(shù)據(jù)集上的平均簽到記錄超過用戶在Ｔｗｉｔｔｅｒ數(shù)據(jù)集上的平均簽到記錄，能夠使模型更加準確地捕捉用戶的興趣．豆瓣數(shù)據(jù)集上的異地與本地推薦場景．圖９和圖１０顯示了在豆瓣數(shù)據(jù)集上的對比推薦模型的性能．從圖９和圖１０中，觀察的結(jié)果與圖５和圖６的趨勢相似．主要的區(qū)別為在本文實驗的豆瓣數(shù)據(jù)集上的所有推薦方法的精確度比在Ｆｏｕｒｓｑｕａｒｅ數(shù)據(jù)集上的所有推薦方法的精確度高．這可能是由于用戶在豆瓣數(shù)據(jù)集上的平均簽到記錄超過用戶在圖７Ｔｗｉｔｔｅｒ數(shù)據(jù)集上的異地推薦ｔｏｐ－ｋ性能圖８Ｔｗｉｔｔｅｒ數(shù)據(jù)集上的本地推薦ｔｏｐ－ｋ性能１４３期任星怡等：基于用戶簽到行為的興趣點推薦

【相似文獻】

相關期刊論文 前10條

1 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

2 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

3 文白;楊金嬋;;美行2011冬季版詳解之興趣點[J];音響改裝技術;2011年12期

4 文白;楊金嬋;;美行2011冬季版詳解之導航路網(wǎng)[J];音響改裝技術;2012年01期

5 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

6 彭敏;;興趣點:導航的回歸[J];軟件世界;2007年09期

7 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

8 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

9 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

10 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

相關會議論文 前5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 葉以生;;如何激發(fā)學生學習說明文的興趣[A];中華教育理論與實踐科研論文成果選編（第3卷）[C];2010年

3 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

4 王慧;;提高學生的繪畫想象力[A];中華教育理論與實踐科研論文成果選編（第1卷）[C];2009年

5 毛霞;;給孩子們一個支點——談興趣[A];全國教育科研“十五”成果論文集（第五卷）[C];2005年

相關重要報紙文章 前10條

1 王震;興趣點炮制口號甜蜜素[N];醫(yī)藥經(jīng)濟報;2012年

2 濟南市平陰縣玫瑰中學 李曉旭;談在初中歷史教學中對學生興趣的培養(yǎng)[N];學知報;2010年

3 胡雪晶 上海廠長經(jīng)理人才有限公司高級人力資源顧問;獵頭要建立良好人際關系[N];組織人事報;2012年

4 張學軍;多數(shù)人對工作都有“隱性興趣”[N];北京人才市場報;2008年

5 本報記者 李望寧;微博PC端V6推發(fā)現(xiàn)功能 連接用戶興趣點重拾人氣[N];通信信息報;2014年

6 江蘇濱海縣正紅中學 朱涇灃;激發(fā)學習興趣,提高學習效率[N];學知報;2010年

7 陶艷;愛動不一定就是多動癥[N];大眾衛(wèi)生報;2007年

8 張耀芳 照金中心小學教師;讓孩子幸福地成長[N];銅川日報;2010年

9 輪臺縣中學 柏艷麗;淺談學生學習興趣的培養(yǎng)[N];巴音郭楞日報;2009年

10 本報記者 李婧璇;中國社會科學出版社：找準興趣點故事才生動[N];中國新聞出版報;2013年

相關博士學位論文 前3條

1 張云菲;多源道路網(wǎng)與興趣點的一致性整合方法[D];武漢大學;2015年

2 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

3 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 胡宇成;基于多特征融合的微博用戶興趣建模研究[D];哈爾濱工業(yè)大學;2014年

7 吳麗梅;基于時空興趣點的化工廠視頻監(jiān)控系統(tǒng)設計與實現(xiàn)[D];電子科技大學;2014年

8 崔立偉;移動用戶行為趨勢分析與研究[D];西安工程大學;2015年

9 鄭亞男;微表情檢測與定位關鍵技術研究[D];北京交通大學;2016年

10 吳云;軌跡挖掘場景化精準廣告投放研究[D];山東財經(jīng)大學;2016年

本文編號：2559231