LBSN中融合类别信息的混合推荐模型

• 作者: 张岐山 李可 林小榕
• 来源期刊: 计算机系统应用
• 关键词: 位置社交网络 地理位置信息 类别信息 矩阵分解 兴趣点推荐
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 200-206
• 页数: 7页
• 字数: 6863字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.006722

摘要

针对基于位置的社交网络(Location-Based Social Network,LBSN)中用户签到数据的高稀疏性问题及用户隐私问题,提出了一种混合推荐模型(SoGeoCat).首先,通过用户潜在兴趣点数据模型,学习用户的潜在兴趣点;其次,将用户的潜在兴趣点纳入融合类别信息的矩阵分解模型中并优化;最后,根据用户特征矩阵、兴趣点特征矩阵,提出推荐策略.基于Foursquare真实数据集,实验结果表明:(1)相比于其他几个推荐模型,该算法将用户的潜在兴趣点填充至用户-兴趣点矩阵中,可以有效地缓解数据稀疏性的影响;(2)该算法可保护用户家庭信息;(3)在推荐模型中纳入类别信息的影响能提高推荐效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张岐山	福州大学经济与管理学院	92	1147	17.0	31.0
2	李可	福州大学经济与管理学院	2	2	1.0	1.0
3	林小榕	北京交通大学下一代互联网互联设备国家工程实验室	2	2	1.0	1.0