融合相似度和地理信息的兴趣点推荐

• 作者: 李平 郭晨睿 郭苗苗
• 来源期刊: 计算技术与自动化
• 关键词: 潜在狄利克雷分布 Louvain社区发现 兴趣点推荐 地理信息 相似度
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 算法分析与研究
• 页码范围: 67-73
• 页数: 7页
• 分类号: TP311
• 语种: 中文
• DOI: 10.16339/j.cnki.jsjsyzdh.201903014

摘要

兴趣点推荐是一种基于上下文信息的位置感知的个性化推荐.由于用户签到行为具有高稀疏性,为兴趣点推荐的精确度带来了很大的挑战.针对该问题,提出了一种融合相似度和地理信息的兴趣点推荐模型,称为SIGFM.首先利用潜在迪利克雷分配(Laten Dirichlet Allocation,LDA)模型挖掘用户相关兴趣特征并进行相似性度量,利用Louvain Community Detection(LCD)算法与用户签到数据进行相似性度量,使两种相似度相融合;然后使用地理信息获取用户的签到特征;最后将融合相似度和地理信息结合到一起获得一个新的模型.在真实数据集上的实验结果表明,SIGFM模型有效解决了数据稀疏性与冷启动问题,优于其他POIs的推荐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李平	长沙理工大学计算机与通信工程学院	96	475	10.0	17.0
5	郭晨睿	长沙理工大学计算机与通信工程学院	2	1	1.0	1.0