興趣點（Point-of-Interest,POI）推薦有利于用戶發(fā)現(xiàn)符合其偏好的新位置,并在基于位置的社交網(wǎng)絡（Location-Based Social Networks,LBSN）的個性化服務中扮演著重要的角色。用戶訪問地點的行為是現(xiàn)實世界中的行為并不像虛擬世界中瀏覽網(wǎng)頁一樣不受地域的限制,導致在社交網(wǎng)絡中用戶的簽到數(shù)據(jù)是非常稀疏的,這使得在提高興趣點推薦性能方面面臨嚴峻的挑戰(zhàn),同時數(shù)據(jù)的稀疏性給計算地點間的相互關(guān)系帶來了困難。針對這些問題,本文從隨機游走的角度出發(fā)提出兩種興趣點推薦方法。首先,本文針對地理位置信息和用戶簽到行為在LBSN推薦中的影響,以及數(shù)據(jù)稀疏性造成計算地點間相互關(guān)系困難的問題,提出一個基于地理因素和隨機游走的興趣點推薦算法。通過分析地點的位置和用戶簽到行為提取用戶和地點的隱式特征,預測用戶對地點的偏好以此向用戶推薦興趣點。該推薦算法利用隨機游走模型獲取地點關(guān)聯(lián)度,并通過地點間關(guān)聯(lián)關(guān)系計算地點相關(guān)性系數(shù)對地點關(guān)聯(lián)度進行過濾提取地點隱式特征,將從簽到數(shù)據(jù)中提取的用戶隱式特征向量與地點隱式特征向量點乘預測用戶對地點的偏好程度,按用戶對地點偏好程度的排名向用戶推薦地... 

【文章來源】：燕山大學河北省

【文章頁數(shù)】：64 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 興趣點推薦
        1.2.2 基于地理位置信息的興趣點推薦
        1.2.3 基于時間的興趣點推薦
        1.2.4 基于社會關(guān)系的興趣點推薦
        1.2.5 基于文本信息的興趣點推薦
    1.3 本文的主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第2章 推薦算法和相關(guān)理論
    2.1 推薦算法
        2.1.1 協(xié)同過濾推薦
        2.1.2 基于內(nèi)容的推薦
        2.1.3 混合推薦
    2.2 基于位置的社交網(wǎng)絡
        2.2.1 LBSN的結(jié)構(gòu)原理
        2.2.2 LBSN中的位置推薦
    2.3 相關(guān)理論介紹
        2.3.1 隨機游走PageRank概述
        2.3.2 關(guān)聯(lián)規(guī)則概述
    2.4 本章小結(jié)
第3章 基于地理因素和隨機游走的興趣點推薦算法
    3.1 引言
    3.2 基于地理因素和隨機游走的興趣點推薦框架
    3.3 數(shù)據(jù)預處理
        3.3.1 地理位置因素對用戶行為的影響
        3.3.2 獲取用戶行為對地點的影響強度
        3.3.3 計算地點相關(guān)性
        3.3.4 提取用戶隱式特征
    3.4 隨機游走POI推薦
        3.4.1 構(gòu)建轉(zhuǎn)移概率矩陣
        3.4.2 隨機游走興趣點推薦
    3.5 本章小結(jié)
第4章 基于地點隱式特征的興趣點推薦算法
    4.1 引言
    4.2 基于地點隱式特征的興趣點推薦算法框架
    4.3 數(shù)據(jù)預處理
    4.4 提取地點隱式特征
        4.4.1 關(guān)聯(lián)規(guī)則的3 個指標
        4.4.2 地點隱式特征
    4.5 進行興趣點推薦
    4.6 本章小結(jié)
第5章 實驗驗證與分析
    5.1 實驗數(shù)據(jù)與實驗環(huán)境
        5.1.1 實驗數(shù)據(jù)
        5.1.2 實驗環(huán)境
        5.1.3 實驗評價指標
        5.1.4 對比試驗
    5.2 基于地理因素和隨機游走的興趣點推薦算法實驗分析
    5.3 基于地點隱式特征的興趣點推薦算法實驗分析
    5.4 本文提出的兩種算法的實驗對比與分析
    5.5 本章小結(jié)
結(jié)論
參考文獻
攻讀碩士學位期間承擔的科研任務與主要成果
致謝


【參考文獻】：
期刊論文
[1]基于深度學習的混合興趣點推薦算法[J]. 馮浩,黃坤,李晶,高榕,劉東華,宋成芳.  電子與信息學報. 2019(04)
[2]評價信息的位置社交網(wǎng)絡興趣點推薦模型[J]. 林占國.  電子技術(shù)與軟件工程. 2018(19)
[3]混合時空和流行度特征的興趣點推薦算法[J]. 吳燕,章韻,陳雙雙.  計算機工程. 2018(09)
[4]基于潛在興趣和地理因素的個性化興趣點推薦研究[J]. 王亞男.  現(xiàn)代計算機(專業(yè)版). 2018(15)
[5]一種基于矩陣分解的上下文感知POI推薦算法[J]. 彭宏偉,靳遠遠,呂曉強,王曉玲.  計算機學報. 2019(08)
[6]基于潛在地理——社會關(guān)系感知的興趣點推薦研究[J]. 崔琳,宋啟祥,李玉林,戚溪溪.  宿州學院學報. 2017(09)
[7]基于位置社交網(wǎng)絡的上下文感知的興趣點推薦[J]. 任星怡,宋美娜,宋俊德.  計算機學報. 2017(04)
[8]引入時間衰減項的興趣點推薦算法[J]. 常曉雨,余正生.  杭州電子科技大學學報(自然科學版). 2016(03)
[9]一種融合情景和評論信息的位置社交網(wǎng)絡興趣點推薦模型[J]. 高榕,李晶,杜博,余永紅,宋成芳,丁永剛.  計算機研究與發(fā)展. 2016(04)
[10]LBSN中基于元路徑的興趣點推薦[J]. 曹玖新,董羿,楊鵬偉,周濤,劉波.  計算機學報. 2016(04)

碩士論文
[1]多因素融合的個性化位置推薦算法研究[D]. 馬慧怡.蘭州大學 2016



本文編號：3388229