一种融合情景和评论信息的位置社交网络兴趣点推荐模型

被引：36

作者：

高榕 ^{[1
]}

李晶 ^{[1
]}

杜博 ^{[1
]}

余永红 ^{[2
]}

宋成芳 ^{[1
]}

丁永刚 ^{[1
,3
]}

机构：

[1] 不详

[2] 武汉大学计算机学院

[3] 不详

[4] 计算机软件新技术国家重点实验室(南京大学)

[5] 湖北大学教育学院

[6] 不详

来源：

计算机研究与发展 | 2016年 / 04期

关键词：

地点推荐; 矩阵分解; 社交关系; 地理信息; 评论文本;

D O I：

暂无

中图分类号：

TP391.3 [检索机];

学科分类号：

摘要：

随着位置社交网络(location-based social network,LBSN)的快速增长,兴趣点(point-ofinterest,POI)推荐已经成为一种帮助人们发现有趣位置的重要方式.现有的研究工作主要是利用用户签到的历史数据及其情景信息(如地理信息、社交关系)来提高推荐质量,而忽视了利用兴趣点相关的评论信息.但是,现实中用户在LBSN中只对少数兴趣点进行签到,使得用户签到历史数据及其情景信息极其稀疏,这对兴趣点推荐来说是一个巨大的挑战.为此,提出了一种新的兴趣点推荐模型,称为GeoSoRev模型.该模型在已有的基于矩阵分解的经典推荐模型的基础上,融合关于兴趣点的评论信息、用户社交关联和地理信息这3个因素进行兴趣点推荐.基于2个来自Foursquare的真实数据集的实验结果表明,与其他主流的兴趣点推荐模型相比,GeoSoRev模型在准确率和召回率等多项评价指标上都取得了显著的提高.

引用

页码：752 / 763

页数：12

共 8 条

[1] 微博数据挖掘研究综述
丁兆云
贾焰
周斌
[J]. 计算机研究与发展 , 2014, (04) : 691 - 706
[2] 网络大数据:现状与展望
王元卓
靳小龙
程学旗
[J]. 计算机学报, 2013, 36 (06) : 1125 - 1138
[3] CoRe: Exploiting the personalized influence of two-dimensional geographic coordinates for location recommendations[J] . Jia-Dong Zhang,Chi-Yin Chow.Information Sciences . 2015
[4] Mining User Check-In Behavior with a Random Walk for Urban Point-of-Interest Recommendations
Ying, Josh Jia-Ching
Kuo, Wen-Ning
Tseng, Vincent S.
Lu, Eric Hsueh-Chan
[J]. ACM TRANSACTIONS ON INTELLIGENT SYSTEMS AND TECHNOLOGY, 2014, 5 (03)
[5] LCARS[J] . Hongzhi Yin,Bin Cui,Yizhou Sun,Zhiting Hu,Ling Chen.ACM Transactions on Information Systems (TOIS) . 2014 (3)
[6] Projected gradient methods for nonnegative matrix factorization
Lin, Chih-Jen
[J]. NEURAL COMPUTATION, 2007, 19 (10) : 2756 - 2779
[7] UPDATING QUASI-NEWTON MATRICES WITH LIMITED STORAGE
NOCEDAL, J
[J]. MATHEMATICS OF COMPUTATION, 1980, 35 (151) : 773 - 782
[8] Hidden factors and hidden topics:understanding rating dimensions with review text .2 MCAULEY J,LESKOVEC J. Proceedings of the 7th ACM conference on Recommender systems . 2013

← 1 →