稀疏数据中基于高斯混合模型的位置推荐框架

• 作者: 刘攀登 刘清明
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 位置推荐 矩阵分解 高斯混合模型 移动模式 概率分布
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 62-68
• 页数: 7页
• 分类号: TP391
• 字数: 4918字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2018.01.010

摘要

协同过滤和概率模型是位置推荐中的常用方法,但前者没有考虑用户的移动模式,后者也难以用于稀疏数据集.针对上述问题,面向稀疏数据构建基于高斯混合模型的位置推荐框架GMMSD.按时间段划分用户签到的历史数据,通过数据预处理获取用户-区域矩阵,并利用矩阵分解算法提高稀疏数据的推荐准确度,学习高斯混合模型以预测用户出现在不同区域的概率分布,从而进行位置推荐.在真实数据集上的实验结果表明,GMMSD可以有效提高稀疏数据中位置推荐的准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘攀登	四川大学计算机科学与技术学院	2	3	1.0	1.0
2	刘清明	南京晓庄学院新闻传播学院	1	1	1.0	1.0