隨著嵌入無線通信和位置傳感器的移動設備的迅速發(fā)展,基于位置的社交網(wǎng)絡（Location Based Social Network,LBSN）越來越火熱,興趣點（Point Of Interests,POI）推薦應運而生,幫助用戶在其活動區(qū)域內(nèi)尋找用戶喜歡的興趣點。但隨著信息量的不斷擴大甚至產(chǎn)生信息過載,用戶對系統(tǒng)的各項推薦性能要求越來越高,如何為用戶提供更高效的興趣點推薦成為了目前研究的熱點。以下為本文的主要工作和創(chuàng)新點:1.興趣點推薦是推薦系統(tǒng)的關(guān)鍵研究之一,傳統(tǒng)的算法只利用用戶簽到信息進行推薦,且對于簽到信息只單純地考慮簽到和沒簽到,而忽略了用戶簽到的次數(shù)、用戶簽到的時間因素以及用戶之間信任關(guān)系。為提高興趣點推薦的準確性,提出一種融合鄰居選擇策略和信任關(guān)系的興趣點推薦算法（UGT）。對于簽到信息處理,采用簽到次數(shù)來代替?zhèn)鹘y(tǒng)的0/1簽到,并對簽到信息添加時間權(quán)重;對于用戶信息,提出一種鄰居選擇策略來捕獲用戶偏好,只選擇目標用戶的直接朋友或間接朋友作為鄰居集;對于用戶之間的信任關(guān)系,首先分析用戶的屬性,然后給出社會地位的計算方法,重構(gòu)信任度的計算方法;最后將多種因素進行線性組合后得到推... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
注釋表
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 存在的問題
    1.4 本文主要工作
    1.5 本文組織結(jié)構(gòu)
第2章 相關(guān)理論知識介紹
    2.1 傳統(tǒng)推薦系統(tǒng)概述
    2.2 LBSN中的推薦技術(shù)
        2.2.1 協(xié)同過濾推薦
        2.2.2 基于內(nèi)容的推薦
        2.2.3 混合推薦
    2.3 推薦算法評價指標
        2.3.1 預測準確性指標
        2.3.2 分類準確性指標
    2.4 個性化興趣點推薦
    2.5 本章小結(jié)
第3章 融合鄰居選擇策略和信任關(guān)系的興趣點推薦
    3.1 引言
    3.2 相關(guān)工作
    3.3 問題描述
    3.4 算法描述
        3.4.1 簽到矩陣處理
        3.4.2 用戶相似性影響
        3.4.3 地理影響
        3.4.4 信任關(guān)系影響
    3.5 混合推薦系統(tǒng)
        3.5.1 混合框架
        3.5.2 規(guī)范統(tǒng)一模型
    3.6 實驗設計及結(jié)果分析
        3.6.1 實驗數(shù)據(jù)集
        3.6.2 評價指標
        3.6.3 實驗參數(shù)的推導
        3.6.4 實驗結(jié)果分析
    3.7 本章小結(jié)
第4章 基于k-d樹的協(xié)同過濾推薦算法
    4.1 引言
    4.2 相關(guān)工作
        4.2.1 k-d樹簡介
        4.2.2 空間自相關(guān)
    4.3 協(xié)同過濾推薦系統(tǒng)
    4.4 問題的描述
    4.5 算法設計
        4.5.1 簽到矩陣處理
        4.5.2 基于k-d樹的分區(qū)算法
        4.5.3 基于k-d樹的分區(qū)算法的時間復雜度分析
        4.5.4 分區(qū)后的協(xié)同過濾推薦算法
    4.6 實驗設計與結(jié)果分析
        4.6.1 實驗數(shù)據(jù)集
        4.6.2 評價指標和比對算法
        4.6.3 實驗結(jié)果分析
    4.7 本章小結(jié)
第5章 總結(jié)與展望
    5.1 論文總結(jié)
    5.2 工作展望
參考文獻
致謝
攻讀碩士學位期間從事的科研工作及取得的成果



本文編號：3096917