發(fā)布時(shí)間：2021-12-28 05:13

　　為了使興趣點(diǎn)推薦越來(lái)越智能化,增加人們對(duì)推薦結(jié)果的滿意度,越來(lái)越多的學(xué)者對(duì)興趣點(diǎn)推薦算法進(jìn)行了研究�，F(xiàn)有的興趣點(diǎn)推薦算法,由于沒(méi)有全面考慮影響用戶評(píng)分的因素,使得在分析用戶對(duì)興趣點(diǎn)的喜愛(ài)程度時(shí)存在偏差.更重要的是大多數(shù)學(xué)者都沒(méi)有對(duì)用戶的評(píng)價(jià)進(jìn)行分析。由于用戶的評(píng)價(jià)內(nèi)容能夠反映用戶喜歡的興趣點(diǎn)特征,所以忽略用戶的評(píng)價(jià)內(nèi)容,不利于分析用戶喜歡的興趣特征,而且會(huì)影響推薦的結(jié)果。針對(duì)此現(xiàn)狀,本文對(duì)好友的評(píng)價(jià)內(nèi)容進(jìn)行情感分析,分析出用戶喜歡的興趣點(diǎn)特征,并提出了基于好友評(píng)價(jià)的分值預(yù)測(cè)算法。根據(jù)影響因素的類(lèi)型對(duì)用戶評(píng)分進(jìn)行建模,減小評(píng)分的偏差。通過(guò)將評(píng)分和評(píng)價(jià)進(jìn)行融合,提出了一種融合好友評(píng)分和評(píng)價(jià)的興趣點(diǎn)推薦算法,為用戶推薦未去過(guò)且可能有較高意愿的興趣點(diǎn),具體工作如下:一、提出了一種基于好友評(píng)價(jià)的分值預(yù)測(cè)算法。由于用戶簽到的隨機(jī)性,本文通過(guò)地點(diǎn)信息熵來(lái)篩選用戶的興趣好友。通過(guò)將興趣好友的興趣點(diǎn)集合與用戶的進(jìn)行對(duì)比,篩選出時(shí)間閾值內(nèi)好友可能為用戶推薦的興趣點(diǎn)。通過(guò)分詞技術(shù)對(duì)好友的評(píng)價(jià)進(jìn)行分詞處理,利用主題模型的思想,對(duì)評(píng)價(jià)內(nèi)容由特征詞到特征面的情感分析,考慮了好友對(duì)興趣點(diǎn)特征面的關(guān)注度,對(duì)好友的評(píng)價(jià)... 

【文章來(lái)源】：遼寧大學(xué)遼寧省 211工程院校

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

本文主要研究?jī)?nèi)容圖

2.1 相關(guān)理論知識(shí)在這一小節(jié)，將主要介紹 LBSN 的定義、LDA 主題模型的定義、用戶專(zhuān)家的定義和各個(gè)專(zhuān)有名詞的定義。2.1.1 LBSN 的定義定義 2.1 LBSN[34-35]：將位置信息融入到社交網(wǎng)絡(luò)中去，通過(guò)社交網(wǎng)絡(luò)進(jìn)行相互交互，能夠?qū)⑻摂M網(wǎng)絡(luò)與現(xiàn)實(shí)生活聯(lián)系起來(lái)。通過(guò)用戶的簽到信息能夠分析用戶的活動(dòng)規(guī)律，通過(guò)用戶對(duì)興趣點(diǎn)的評(píng)分和評(píng)價(jià)信息，能夠挖掘出用戶對(duì)興趣點(diǎn)的喜愛(ài)程度。通過(guò)用戶之間簽到信息，能夠分析出用戶的興趣點(diǎn)信息熵能夠擬合出用戶與用戶之間是否具有共同興趣愛(ài)好。LBSN 框架可以通過(guò)時(shí)間因素進(jìn)行串聯(lián)，通過(guò)用戶與好友、用戶與興趣點(diǎn)、興趣點(diǎn)與地理位置等三層網(wǎng)絡(luò)關(guān)系進(jìn)行表示[36]，如圖 2-1 所示。

用戶評(píng)分實(shí)例圖


本文編號(hào)：3553468