基于聚类和时间权重的协同过滤位置预测算法

• 作者: 岳欣 王劲松 田继伟 石凯 薛玉岱
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 协同过滤 时空数据 DBSCAN聚类 时间权重 位置预测
• 年，卷（期）: 2019,（3）
• 页码范围: 48-52,61
• 页数: 6页
• 分类号: TP391
• 字数: 4639字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2019.03.009

摘要

校园无线网络产生大量用户位置数据,它使掌握用户行为轨迹、预测用户位置成为可能.协同过滤广泛用于预测和推荐系统中,但现有研究存在数据稀疏性和不适用于处理时空数据的缺点.本文提出基于聚类和时间权重的协同过滤位置预测算法.首先利用DBSCAN聚类算法对用户进行聚类,缓解数据稀疏性.然后在簇内计算用户-位置评分矩阵时引入时间权重,使用户近期的位置签到对预测有更大贡献.与传统协同过滤方法相比,该方法准确率提高9.1％,召回率提高5.2％,F1-SCORE提高7％.