LBSN中融合时空信息的连续兴趣点推荐

• 作者: 何景 李丹霞 马乐荣
• 来源期刊: 计算机应用研究
• 关键词: 兴趣点 推荐系统 位置社交网络 张量分解
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 3574-3578
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2018.07.0434

摘要

针对位置社交网络(location-based social networks,LBSN)中连续兴趣点(point-of-interest,POI)推荐系统面临的数据稀疏性、签到数据的隐式反馈属性、用户的个性化偏好等挑战,提出一种融合时空信息的连续兴趣点推荐算法.该算法将用户的签到行为建模为用户-当前兴趣点-下一个兴趣点-时间段的四阶张量,并利用LBSN中的地理信息定义用户访问兴趣点的地理距离偏好,最后采用BPR(Bayesian personalized ranking)标准优化目标函数.实验结果表明该算法相比其他先进的连续兴趣点推荐算法具有更好的推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马乐荣	延安大学数学与计算机科学学院	38	95	6.0	8.0
2	李丹霞	延安大学数学与计算机科学学院	12	20	2.0	4.0
6	何景	北京理工大学计算机学院	1	1	1.0	1.0