基于位置社交网络的兴趣点推荐系统研究综述.docx
版权申诉
123 浏览量
2022-11-28
20:29:40
上传
评论
收藏 387KB DOCX 举报
继在线社交网络发展和应用之后,移动社交网络成为新的发展方向,尤其是
多样化的移动位置签到与共享等功能的不断普及。在此背景下,社交网络与位
置 服 务 不 断 融 合 , 助 推 了 基 于 位 置 社 交 网 络 （ location-based social
network,LBSN）的兴起
[1]
,如 Foursquare 和 Yelp。LBSN 利用用户的签到功能,
有机地将线上和线下世界结合起来,提供用户位置定位功能的同时,还实现了位
置信息在社交网络平台的共享,进而衍生出多样化的位置服务。推荐系统作为
有效处理“信息过载”问题的重要工具
[2]
,旨在依据用户的个性化需求为用户推荐
可能感兴趣的商品,其在位置服务领域的应用受到广泛关注。
近年来,将推荐系统应用到位置社交网络中,出现了诸多基于位置的推荐服
务。其 中,兴趣 点（ point of interest,POI）推荐受到了众 多 学者的关注。兴趣
点是指用户签到的地点,如商场、学校等。兴趣点推荐能有效缓解位置信息过
载问 题,进而 提升用户的个性化体验,同时有 助于商家挖掘潜在的 客户,提高商
家的商业效益。为此,兴趣点推荐成为基于位置社交网络中的一项重要服务,是
位置社交网络和推荐系统领域核心的研究方向之一。
LBSN 中蕴含着海量信息,兴趣点推荐主要利用用户历史签到记录及辅助
信息从大量地点中为用户推荐心仪的地点。然而,兴趣点推荐是一项颇有挑战
性的内容,用户的偏好受到多种因素的影响,这些影响推荐的因素类型繁多且复
杂,传统的推荐方法难以有效构建用户的偏好模型,因此有必要充分发掘新的推
荐方法,以适应兴趣点推荐服务的发展。同时,为了评估推荐算法的有效性,对推
荐效果的评估与跟踪也是兴趣点推荐的重要研究内容。
根据以上的目标,本文在了解兴趣点推荐的基本概念与框架的基础上,从兴
趣点推荐系统的研究中总结了三个核心问题：首先是分析影响兴趣点推荐的因
素,即明确影响用户对兴趣点偏好的因素有哪些。本文归纳为用户自身的偏好、
地理位置、社交关系、时间信息、内容信息与流行度。其次是探索现有的兴趣
点推荐算法,即兴趣点推荐采用何种方法来建模用户对兴趣点的偏好,以构建合
理高效的推荐模型。本文总结分析了基于矩阵分解算法的推荐、基于图嵌入的
推荐与基于深度学习的推荐这三种方法的应用与发展。最后是算法的评价模块,
即评估算法的性能与有效性。本文归纳了目前流行的几种预测指标及排序指标,
并分析其应用情况。
剩余31页未读，继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3673
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
VIP享7折，此内容立减5.97元 开通VIP
最新资源
- 基于神经网络的虚假评论识别系统(Python源码+文档资料+数据集+代码流程说明文档+详细注释)
- 科大讯飞开发者大赛锂离子电池生产参数调控及生产温度预测挑战赛记录python源码
- 基于Python通过神经网络训练锂离子电池使用相关数据，预测电池当前最大容量+源代码+文档说明(毕业设计)
- 2023年创新组赛题一：基于数据驱动的动力电池健康状态评估与剩余寿命预测python源码+文档说明+全部数据
- indexcss.css
- 汇客数据权限，测试文件上传
- Proteus Professional 8.17
- kubesphere v3.4.1 离线包制作和离线安装
- VSPD虚拟串口软件安装包
- Screenshot_2024-05-28-00-57-02-304_net.csdn.csdnplus.jpg
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
