基于社区发现的兴趣点推荐

• 作者: 沈松 龚卫华
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 多维关系 社区发现 兴趣点推荐 地理位置簇
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 大数据与数据科学
• 页码范围: 63-68
• 页数: 6页
• 分类号: TP391
• 字数: 7436字
• 语种: 中文
• DOI: 10.11896/jsjkx.190400440

摘要

近年来,LBSN(Location-based Social Networks)作为一种典型的异质信息网络越来越受到大众的关注.针对LBSN中用户签到信息十分稀疏的情况,文中提出了一种基于社区发现的兴趣点推荐算法CBR(Community-Based Recommendation).该算法首先在社交媒体层上计算目标用户与聚类后的兴趣主题簇的相似度;其次通过兴趣主题簇与地理位置簇之间的关联矩阵R计算用户在地理位置簇上的隶属度;然后进一步融合用户的社交关系,从而得到用户对各个兴趣点的偏好分数;最后按照兴趣点的分数进行排序,以实现Top-k推荐.实验结果表明,该算法可以明显提高兴趣点的推荐质量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	龚卫华	浙江工业大学计算机科学与技术学院	30	181	8.0	12.0
2	沈松	浙江工业大学计算机科学与技术学院	1	1	1.0	1.0