- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于用户签到和地理属性的个性化位置推荐算法研究-计算机科学.PDF
Vo 1. 43 No. 12
第 43 卷第12 期 计算机科学
2016 年 12 月 Computer Science Dec 2016
基于用户签到和地理属性的个性化位置推荐算法研究
蔡海尼1 陈程1 文俊浩1 王喜宾2 曾骏1
(重庆大学软件学院 重庆 401331) 1 (重庆邮电大学软件工程学院 重庆 400065)2
摘 要 针对基于 LBSNs (Location-based Social Networks) 的位置推荐算法考虑因素羊一且不能有效解决用户位于
不同城市的位置推荐的问题,综合考虑潜在的社交影响、内容匹配影响和地理局性影响等因素,提出了基于用户签到
和地理局性的个性化位置推荐算法 SCL CSocial-Content-Location) 。该算法在协同过滤的基础上,引入了用户兴趣特
征比较,改进了用户的相似度计算;同时,在分析位置的内容信息时,融入用户评论,缓解了位置标签的短文本特性对
LDA (Latent Dirichlet Allocation) 主题提取的影响,提高了用户兴趣和城市偏好主题提取的准确率。实验结果表明,
SCL 算法在本地城市召回率上较协同过滤算法 U提高近 65% ,较 LCA-LDA 算法提高近 30%; 在异地城市召回率
上,高于 LCA-LDA 算法近26%。这表明 SCL 算法在不同城市下的位置推荐具有一定的可行性。
关键词 潜在社交影响,内容匹配影响,地理局性影响,协同过滤,LDA 主题提取
中固法分类号 TP391 文献标识码 A DOI 10. 11896/j. issn. 1002-137)♀ 2016.12.029
Personalized Location Recommendation Algorithm Research ßased on
User Check-ins and Geographical Properties
CAI Hai-ni1 CHEN Cheng1 WEN Jun-hao1 WANG Xi-bin2 ZENG Jun1
(School of Software Engineering ,Chongqing University ,Chongqing 401331 ,China) 1
(School of Software Engineering ,Chongqing University of Posts and Telecommunications ,Chongqing 400065 ,China)2
Abstract Since the consideration of location recommendation algorithms based on LBSNs (Location-Based Social Net
works) is too single ,and it couldn t effectively solve the problem of location recommendation for user in different ci-
ties , synthesizing the factors of potential social influence , content match influence and geographical property influence ,
the personalized location recommend
文档评论(0)