一种基于多类型情景信息的兴趣点推荐模型

• 作者: 杨晨 胡德敏
• 来源期刊: 计算机应用研究
• 关键词: 基于位置的社交网络 兴趣点推荐 隐马尔可夫链 核密度估计 话题模型 社交影响
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1636-1640,1675
• 页数: 6页
• 分类号: TP181
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.06.008

摘要

当前最新的兴趣点推荐工作开始融合地理、文本和社交信息进行推荐,但是还存在信息挖掘不充分的情况.为此,提出了改进的多类型信息融合的联合概率生成的兴趣点推荐模型.首先提出了自动学习文档话题数目的分层狄利克雷过程主题模型,学习用户和兴趣点相关兴趣话题;同时,利用由签到分布决定带宽大小的核密度估计法,个性化地理信息对用户签到行为的影响,而且还融合了用户位置访问序列中已访问兴趣点对待访问兴趣点的影响,即序列模式的影响;然后综合考虑了用户社交关系的影响;最后基于联合概率生成模型,融合文本、地理、社会和序列信息,提出TGSS-PGM兴趣点推荐模型,依据计算结果从而生成兴趣点推荐列表推荐给用户.实验结果表明,该模型在推荐准确率等多种评价指标上都取得了更好的结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡德敏	上海理工大学光电信息与计算机工程学院	44	241	10.0	13.0
5	杨晨	上海理工大学光电信息与计算机工程学院	2	2	1.0	1.0