本文關(guān)鍵詞：基于位置社交網(wǎng)絡(luò)的地點(diǎn)推薦方法及應(yīng)用研究

  更多相關(guān)文章： 位置社交網(wǎng)絡(luò) 推薦系統(tǒng) 用戶行為建模 興趣偏好

【摘要】：位置社交網(wǎng)絡(luò)的廣泛使用與其規(guī)模的不斷擴(kuò)大使得地點(diǎn)推薦系統(tǒng)成為時(shí)下熱門應(yīng)用之一。地點(diǎn)推薦系統(tǒng)即為用戶推薦那些他可能感興趣地點(diǎn)的系統(tǒng),其中地點(diǎn)通常指真實(shí)存在于城市中的商家、機(jī)構(gòu)以及公共場(chǎng)所等。利用位置社交網(wǎng)絡(luò)中的推薦系統(tǒng),一方面,用戶可以探索城市,發(fā)現(xiàn)新奇有趣的商家與地點(diǎn),并獲得豐富的生活體驗(yàn)：另一方面,商家也可以利用該系統(tǒng)進(jìn)行即時(shí)的廣告推送與商品營(yíng)銷,從而提升利潤(rùn)。位置社交網(wǎng)絡(luò)中存在著豐富的多源異構(gòu)信息,如社交網(wǎng)絡(luò)關(guān)系,包含經(jīng)緯度的地理位置信息,用戶對(duì)商家的點(diǎn)評(píng)文本、評(píng)分以及相應(yīng)的時(shí)間戳信息等。毋庸置疑,利用這些信息可以有效提升個(gè)性化地點(diǎn)推薦系統(tǒng)的準(zhǔn)確性。然而,一些挑戰(zhàn)也隨之而來(lái)。首先,與傳統(tǒng)推薦系統(tǒng)相似,數(shù)據(jù)稀疏性帶來(lái)的冷啟動(dòng)問(wèn)題是地點(diǎn)推薦系統(tǒng)中不可回避的研究問(wèn)題之一；其次,由于位置社交網(wǎng)絡(luò)所包含的豐富信息具有異構(gòu)、多維度的特點(diǎn),如何在模型中將一個(gè)或多個(gè)信息融合進(jìn)來(lái),也值得研究。為了解決上述問(wèn)題,本文旨在進(jìn)行基于位置社交網(wǎng)絡(luò)的地點(diǎn)推薦方法及其應(yīng)用研究,即利用位置社交網(wǎng)絡(luò)中的多源異構(gòu)信息,對(duì)用戶訪問(wèn)地點(diǎn)行為進(jìn)行建模,預(yù)測(cè)用戶興趣偏好,從而為用戶個(gè)性化地推薦商家與地點(diǎn)。具體來(lái)說(shuō),本文的主要研究?jī)?nèi)容、成果與創(chuàng)新點(diǎn)如下：1)基于興趣圈中社交關(guān)系挖掘的地點(diǎn)推薦。依據(jù)社會(huì)學(xué)與社會(huì)心理學(xué)中的“趨同性”理論,用戶與其社交網(wǎng)絡(luò)中的好友有相似的興趣偏好,這為利用社交關(guān)系學(xué)習(xí)用戶的興趣提供了理論基礎(chǔ)。本工作依據(jù)該理論,將用戶按照其訪問(wèn)地點(diǎn)的類別劃分到不同的興趣圈,在每個(gè)興趣圈中認(rèn)為用戶受到好友與該圈中的專家的共同作用與影響進(jìn)而分別構(gòu)建優(yōu)化函數(shù)的兩個(gè)正則化項(xiàng),學(xué)習(xí)用戶興趣偏好。為此本工作設(shè)計(jì)出了一個(gè)基于興趣圈中社交關(guān)系挖掘的地點(diǎn)推薦算法,這個(gè)算法使用梯度下降方法來(lái)學(xué)習(xí)用戶的興趣偏好。在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)表明,我們的方法優(yōu)于已有的單純基于好友關(guān)系的推薦算法,特別在解決冷啟動(dòng)問(wèn)題時(shí)有很好的效果。2)基于用戶比較評(píng)分行為建模的地點(diǎn)推薦。單個(gè)用戶對(duì)于多個(gè)商家的評(píng)分行為并非獨(dú)立存在,而是相互關(guān)聯(lián)和影響的,即用戶在某次評(píng)分行為時(shí)給該商家所評(píng)分?jǐn)?shù)是參照該用戶的歷史評(píng)分經(jīng)歷進(jìn)行比較而得出的。本工作依據(jù)用戶評(píng)分行為的相對(duì)性、比較性與時(shí)效性等特點(diǎn),利用了位置社交網(wǎng)絡(luò)中用戶的評(píng)分與相應(yīng)的時(shí)間戳信息,對(duì)用戶評(píng)分行為進(jìn)行建模,細(xì)致刻畫用戶的評(píng)分心理。本工作利用經(jīng)濟(jì)學(xué)中基于效用理論的選擇模型來(lái)構(gòu)建優(yōu)化函數(shù),并設(shè)計(jì)了一個(gè)基于集合輸入的隨機(jī)梯度下降算法來(lái)學(xué)習(xí)用戶的興趣偏好,最終利用該學(xué)習(xí)所得偏好為用戶進(jìn)行地點(diǎn)推薦。該工作通過(guò)在兩個(gè)真實(shí)數(shù)據(jù)上的實(shí)驗(yàn),進(jìn)一步驗(yàn)證了我們方法的有效性。3)基于用戶多角度興趣建模的地點(diǎn)推薦。不同用戶的興趣偏好有可能截然不同,即便是兩個(gè)對(duì)某一地點(diǎn)評(píng)分相同的用戶也有可能擁有不同的興趣偏好。這是由用戶興趣的多角度特性導(dǎo)致的,用數(shù)學(xué)語(yǔ)言描述,即用戶在多角度興趣上的數(shù)學(xué)分布不同。該工作基于此假設(shè),利用點(diǎn)評(píng)文本信息與評(píng)分?jǐn)?shù)據(jù),將用戶在文本中反應(yīng)出的顯式興趣與基于傳統(tǒng)隱因子模型表示出來(lái)的隱式興趣結(jié)合起來(lái)構(gòu)建統(tǒng)一的效用函數(shù),并使用該效用函數(shù)擬合評(píng)分?jǐn)?shù)據(jù),使用梯度下降算法學(xué)習(xí)在此基礎(chǔ)上構(gòu)建出的損失函數(shù)從而得出用戶的顯式與隱式興趣偏好,進(jìn)而為用戶推薦地點(diǎn)與商家。該工作在兩個(gè)真實(shí)的數(shù)據(jù)集上開展實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明我們的方法優(yōu)于目前已有的方法,并在一定程度上解決了冷啟動(dòng)問(wèn)題。此外,基于該研究理論工作我們開發(fā)了一款手機(jī)APP,為用戶推薦各個(gè)興趣方面的商家,該應(yīng)用在可視化等方面有良好的展示效果。4)基于多源信息融合建模的地點(diǎn)推薦。位置社交網(wǎng)絡(luò)中包含豐富的多源異構(gòu)信息,通過(guò)挖掘這些信息,可以提高地點(diǎn)推薦系統(tǒng)的準(zhǔn)確性。本工作針對(duì)社交關(guān)系、地理位置以及點(diǎn)評(píng)文本等信息,建立了一個(gè)概率隱因子模型,為多源信息融合提供支撐。具體來(lái)說(shuō),模型中分別使用核密度估計(jì)來(lái)對(duì)地理位置信息建模,使用基于好友的協(xié)同過(guò)濾方法來(lái)處理社交關(guān)系,利用主題模型來(lái)抽取文本中的用戶對(duì)商家的顯式興趣,并最終使用概率隱因子模型來(lái)表示隱式興趣,從而將多源信息融合起來(lái)。真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)表明了我們的多源信息融合方法明顯在推薦準(zhǔn)確率指標(biāo)上優(yōu)于已有算法。除此之外,由于模型的模塊化,我們的方法也具有很好的魯棒性。
【關(guān)鍵詞】：位置社交網(wǎng)絡(luò) 推薦系統(tǒng) 用戶行為建模 興趣偏好
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP391.3
【目錄】：

• 摘要5-7
• ABSTRACT7-17
• 第一章 緒論17-29
• 1.1 論文研究背景17-19
• 1.1.1 推薦系統(tǒng)的發(fā)展歷程17-18
• 1.1.2 推薦系統(tǒng)的主要技術(shù)18-19
• 1.1.3 推薦系統(tǒng)的商業(yè)應(yīng)用19
• 1.2 研究問(wèn)題與挑戰(zhàn)19-22
• 1.2.1 研究問(wèn)題19-20
• 1.2.2 面臨挑戰(zhàn)20-22
• 1.3 工作概述與貢獻(xiàn)22-25
• 1.3.1 論文概述22-25
• 1.3.2 論文貢獻(xiàn)25
• 1.4 本文章節(jié)安排25-27
• 1.5 本章小結(jié)27-29
• 第二章 相關(guān)工作綜述29-39
• 2.1 經(jīng)典推薦系統(tǒng)29-33
• 2.1.1 主要研究方法29-32
• 2.1.2 實(shí)際應(yīng)用與系統(tǒng)32-33
• 2.2 地點(diǎn)推薦系統(tǒng)33-37
• 2.2.1 公開數(shù)據(jù)集33-34
• 2.2.2 基于社交網(wǎng)絡(luò)的方法34-35
• 2.2.3 基于地理信息的方法35
• 2.2.4 基于文本挖掘的方法35-36
• 2.2.5 基于時(shí)間分析的方法36
• 2.2.6 基于混合模型的方法36-37
• 2.3 本章小結(jié)37-39
• 第三章 基于興趣圈中社會(huì)關(guān)系挖掘的地點(diǎn)推薦39-55
• 3.1 引言39-41
• 3.2 問(wèn)題定義41-42
• 3.3 基于興趣圈與社會(huì)關(guān)系的模型42-47
• 3.3.1 傳統(tǒng)矩陣分解模型與興趣圈42
• 3.3.2 基于朋友關(guān)系的建模42-43
• 3.3.3 基于專家影響的建模43-44
• 3.3.4 聯(lián)合模型44-47
• 3.4 實(shí)驗(yàn)分析47-52
• 3.4.1 實(shí)驗(yàn)設(shè)置47-48
• 3.4.2 與基準(zhǔn)算法的比較48-50
• 3.4.3 模型參數(shù)影響50
• 3.4.4 冷啟動(dòng)問(wèn)題評(píng)測(cè)50-52
• 3.5 小結(jié)52-55
• 第四章 基于用戶比較評(píng)分行為建模的地點(diǎn)推薦55-73
• 4.1 引言55-58
• 4.2 問(wèn)題定義58-60
• 4.3 用戶評(píng)分行為建模60-64
• 4.3.1 用戶評(píng)分的比較行為60-61
• 4.3.2 用戶評(píng)分的選擇模型61-62
• 4.3.3 模型的優(yōu)化問(wèn)題62
• 4.3.4 模型的學(xué)習(xí)與推理62-64
• 4.4 實(shí)驗(yàn)分析64-71
• 4.4.1 實(shí)驗(yàn)設(shè)置65-67
• 4.4.2 與基準(zhǔn)算法的比較67-68
• 4.4.3 模型中時(shí)間窗口影響的分析68-69
• 4.4.4 模型中參數(shù)影響的討論69-70
• 4.4.5 收斂迭代的測(cè)評(píng)70-71
• 4.5 小結(jié)71-73
• 第五章 基于用戶多角度興趣建模的地點(diǎn)推薦73-97
• 5.1 引言73-76
• 5.2 問(wèn)題定義76-78
• 5.3 效用理論下用戶多角度興趣建模78-83
• 5.3.1 效用理論78-80
• 5.3.2 參數(shù)的先驗(yàn)80-81
• 5.3.3 模型的優(yōu)化問(wèn)題81-82
• 5.3.4 模型的學(xué)習(xí)與推理82-83
• 5.4 基于多角度興趣地點(diǎn)推薦的應(yīng)用框架83-86
• 5.4.1 離線部分83-85
• 5.4.2 線上部分85-86
• 5.5 實(shí)驗(yàn)分析86-95
• 5.5.1 實(shí)驗(yàn)設(shè)置86-89
• 5.5.2 與基準(zhǔn)算法的比較89-91
• 5.5.3 冷啟動(dòng)問(wèn)題評(píng)測(cè)91
• 5.5.4 算法效率分析91-93
• 5.5.5 用戶多角度興趣案例分析93-94
• 5.5.6 用戶多角度興趣的商家推薦應(yīng)用94-95
• 5.6 小結(jié)95-97
• 第六章 基于多源信息融合建模的地點(diǎn)推薦97-117
• 6.1 引言97-100
• 6.2 問(wèn)題定義100-101
• 6.3 基礎(chǔ)101-102
• 6.3.1 傳統(tǒng)地理位置信息模型101-102
• 6.3.2 基于用戶的協(xié)同過(guò)濾模型102
• 6.3.3 傳統(tǒng)概率隱因子模型102
• 6.4 基于多源信息融合的地點(diǎn)推薦模型102-111
• 6.4.1 情境信息建模102-108
• 6.4.2 概率隱因子聯(lián)合模型108
• 6.4.3 模型的學(xué)習(xí)與推理108-111
• 6.5 實(shí)驗(yàn)分析111-115
• 6.5.1 實(shí)驗(yàn)設(shè)置111-112
• 6.5.2 與基準(zhǔn)算法的比較112-114
• 6.5.3 模型魯棒性討論114-115
• 6.6 小結(jié)115-117
• 第七章 總結(jié)和展望117-121
• 7.1 文章結(jié)論和成果117-118
• 7.2 未來(lái)工作展望118-121
• 參考文獻(xiàn)121-129
• 致謝129-133
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的研究成果133-135

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 ;基于位置的手機(jī)社交網(wǎng)絡(luò)“貝多”正式發(fā)布[J];中國(guó)新通信;2008年06期

2 曹增輝;;社交網(wǎng)絡(luò)更偏向于用戶工具[J];信息網(wǎng)絡(luò);2009年11期

3 ;美國(guó):印刷企業(yè)青睞社交網(wǎng)絡(luò)營(yíng)銷新方式[J];中國(guó)包裝工業(yè);2010年Z1期

4 李智惠;柳承燁;;韓國(guó)移動(dòng)社交網(wǎng)絡(luò)服務(wù)的類型分析與促進(jìn)方案[J];現(xiàn)代傳播(中國(guó)傳媒大學(xué)學(xué)報(bào));2010年08期

5 賈富;;改變一切的社交網(wǎng)絡(luò)[J];互聯(lián)網(wǎng)天地;2011年04期

6 譚拯;;社交網(wǎng)絡(luò):連接與發(fā)現(xiàn)[J];廣東通信技術(shù);2011年07期

7 陳一舟;;社交網(wǎng)絡(luò)的發(fā)展趨勢(shì)[J];傳媒;2011年12期

8 殷樂(lè);;全球社交網(wǎng)絡(luò)新態(tài)勢(shì)及文化影響[J];新聞與寫作;2012年01期

9 許麗;;社交網(wǎng)絡(luò):孤獨(dú)年代的集體狂歡[J];上海信息化;2012年09期

10 李玲麗;吳新年;;科研社交網(wǎng)絡(luò)的發(fā)展現(xiàn)狀及趨勢(shì)分析[J];圖書館學(xué)研究;2013年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 趙云龍;李艷兵;;社交網(wǎng)絡(luò)用戶的人格預(yù)測(cè)與關(guān)系強(qiáng)度研究[A];第七屆（2012）中國(guó)管理學(xué)年會(huì)商務(wù)智能分會(huì)場(chǎng)論文集（選編）[C];2012年

2 宮廣宇;李開軍;;對(duì)社交網(wǎng)絡(luò)中信息傳播的分析和思考——以人人網(wǎng)為例[A];首屆華中地區(qū)新聞與傳播學(xué)科研究生學(xué)術(shù)論壇獲獎(jiǎng)?wù)撐腫C];2010年

3 楊子鵬;喬麗娟;王夢(mèng)思;楊雪迎;孟子冰;張禹;;社交網(wǎng)絡(luò)與大學(xué)生焦慮緩解[A];心理學(xué)與創(chuàng)新能力提升——第十六屆全國(guó)心理學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

4 畢雪梅;;體育虛擬社區(qū)中的體育社交網(wǎng)絡(luò)解析[A];第九屆全國(guó)體育科學(xué)大會(huì)論文摘要匯編(4)[C];2011年

5 杜p，

本文編號(hào)：937946