基于用户-内容主题模型的兴趣点联合推荐算法

• 作者: 卢露 朱林 朱福喜 高榕
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 位置社交网络 兴趣点推荐 协同过滤
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 154-159
• 页数: 6页
• 分类号: TP391.9
• 字数: 5863字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1609-0177

摘要

目前基于协同过滤的兴趣点推荐算法能够获得较好的推荐效果,但是当用户外出远离其常驻地时,推荐效果急剧下降,主要原因是用户的签到记录主要集中在其常驻地周围,而对其他兴趣点的签到行为较少,此时不能准确计算用户兴趣.因此提出了一种基于主题模型的兴趣点推荐算法,在推荐过程中同时考虑了用户的偏好分布和兴趣点的主题分布,使得当用户在新的兴趣点时,也能获得较好的推荐.实验证明,该方法不仅能够缓解推荐数据的稀疏性问题,而且与其他方法相比有更高的推荐准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱福喜	武汉大学计算机科学与技术学院	46	250	9.0	13.0
2	朱林	上海电力学院计算机科学与技术学院	7	75	3.0	7.0
3	卢露	上海电力学院计算机科学与技术学院	7	30	4.0	5.0
4	高榕	武汉大学计算机科学与技术学院	10	121	7.0	10.0