本文關(guān)鍵詞：多因素融合的個(gè)性化位置推薦算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著在線社交網(wǎng)絡(luò)的迅速發(fā)展,朋友之間能夠更加方便的分享圖片、文檔、視頻等�；谖恢玫纳缃痪W(wǎng)絡(luò)是在傳統(tǒng)在線社交網(wǎng)絡(luò)中增添位置因素,使得用戶能夠方便地共享嵌入位置的信息。然而,面臨浩瀚的信息資源,如何從中找到自己感興趣的信息是非常困難的。不同的用戶有不同的需求,對(duì)位置信息的感興趣程度也不盡相同。個(gè)性化的推薦算法可以挖掘用戶的興趣,進(jìn)而幫助用戶自動(dòng)地選擇感興趣的信息,在基于位置的社交網(wǎng)絡(luò)中變得越來(lái)越重要。目前,針對(duì)基于位置的社交網(wǎng)絡(luò)推薦的研究,主要包括位置推薦、用戶推薦、活動(dòng)推薦以及社交媒體推薦。其中,位置推薦已經(jīng)成為了最近研究的一個(gè)重點(diǎn)。本文以簽到型社交網(wǎng)站中的用戶簽到數(shù)據(jù)為研究對(duì)象,對(duì)用戶的移動(dòng)行為進(jìn)行研究,得到了影響用戶移動(dòng)行為的主要因素。探究了社會(huì)關(guān)系對(duì)用戶移動(dòng)行為的影響,并從空間地理位置角度研究了用戶簽到位置和常居地的距離與其社會(huì)關(guān)系之間的聯(lián)系。在此基礎(chǔ)上,結(jié)合地理位置信息和用戶關(guān)系,根據(jù)得到的影響用戶移動(dòng)行為的主要因素,提出了一種多因素融合的個(gè)性化位置推薦算法。該算法有效地融合了用戶偏好信息、社會(huì)關(guān)系影響、用戶當(dāng)前位置以及時(shí)間間隔等多種因素,能夠提高位置推薦的準(zhǔn)確性。本文將提出的算法與現(xiàn)有典型位置推薦算法進(jìn)行對(duì)比后發(fā)現(xiàn),本文的算法在實(shí)驗(yàn)參數(shù)設(shè)定以及推薦結(jié)果上都要優(yōu)于原有的位置推薦算法,不僅充分考慮了用戶的移動(dòng)行為,而且適應(yīng)用戶的當(dāng)前位置,能夠預(yù)測(cè)用戶未來(lái)的活動(dòng),可以更好地進(jìn)行個(gè)性化位置推薦。
【關(guān)鍵詞】：基于位置的社交網(wǎng)絡(luò) 推薦系統(tǒng) 位置推薦 多因素
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP391.3
【目錄】：

• 中文摘要3-4
• Abstract4-7
• 第一章 緒論7-13
• 1.1 研究背景和意義7-8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-11
• 1.3 本文主要工作11
• 1.4 論文組織結(jié)構(gòu)11-13
• 第二章 相關(guān)知識(shí)概述13-23
• 2.1 推薦算法13-17
• 2.1.1 協(xié)同過(guò)濾推薦算法13-15
• 2.1.2 基于內(nèi)容的推薦算法15-17
• 2.2 基于位置的社交網(wǎng)絡(luò)17-19
• 2.2.1 基于位置的社交網(wǎng)絡(luò)結(jié)構(gòu)17-19
• 2.2.2 基于位置的社交網(wǎng)絡(luò)分類(lèi)19
• 2.3 推薦系統(tǒng)的評(píng)價(jià)指標(biāo)19-22
• 2.4 本章小結(jié)22-23
• 第三章 基于位置的社交網(wǎng)絡(luò)中影響用戶行為的因素23-32
• 3.1 簽到數(shù)據(jù)23-26
• 3.1.1 簽到數(shù)據(jù)信息23-25
• 3.1.2 用戶常居地預(yù)測(cè)25-26
• 3.2 社會(huì)關(guān)系影響下的用戶行為26-28
• 3.2.1 朋友相似度計(jì)算方法26-27
• 3.2.2 朋友相似度與用戶行為之間的關(guān)系27-28
• 3.3 位置因素影響下的用戶行為28-31
• 3.3.1 遠(yuǎn)距離活動(dòng)的社會(huì)關(guān)系29-30
• 3.3.2 近距離活動(dòng)的社會(huì)關(guān)系30-31
• 3.4 本章小結(jié)31-32
• 第四章 多因素融合的個(gè)性化位置推薦算法32-46
• 4.1 個(gè)性化位置推薦算法32-34
• 4.1.1 基于用戶偏好信息的推薦算法32-33
• 4.1.2 基于社會(huì)關(guān)系影響的推薦算法33-34
• 4.2 多因素融合的個(gè)性化位置推薦算法34-40
• 4.2.1 USTG算法定義34-38
• 4.2.2 USTG算法流程38-39
• 4.2.3 算法時(shí)間復(fù)雜度分析39-40
• 4.3 實(shí)驗(yàn)設(shè)計(jì)與結(jié)果分析40-45
• 4.3.1 實(shí)驗(yàn)數(shù)據(jù)40
• 4.3.2 實(shí)驗(yàn)環(huán)境40-41
• 4.3.3 實(shí)驗(yàn)驗(yàn)證的算法41-42
• 4.3.4 算法驗(yàn)證流程42-44
• 4.3.5 實(shí)驗(yàn)結(jié)果對(duì)比分析44-45
• 4.4 本章小結(jié)45-46
• 第五章 總結(jié)與展望46-48
• 5.1 本文總結(jié)46-47
• 5.2 未來(lái)工作的展望47-48
• 參考文獻(xiàn)48-52
• 在學(xué)期間的研究成果52-53
• 致謝53

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 劉樹(shù)棟;孟祥武;;基于位置的社會(huì)化網(wǎng)絡(luò)推薦系統(tǒng)[J];計(jì)算機(jī)學(xué)報(bào);2015年02期

2 張富國(guó);;基于社交網(wǎng)絡(luò)的個(gè)性化推薦技術(shù)[J];小型微型計(jì)算機(jī)系統(tǒng);2014年07期

3 李敏;王曉聰;張軍;劉正捷;;基于位置的社交網(wǎng)絡(luò)用戶簽到及相關(guān)行為研究[J];計(jì)算機(jī)科學(xué);2013年10期

4 劉建國(guó);周濤;汪秉宏;;個(gè)性化推薦系統(tǒng)的研究進(jìn)展[J];自然科學(xué)進(jìn)展;2009年01期

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

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

  本文關(guān)鍵詞：多因素融合的個(gè)性化位置推薦算法研究，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：276899