基于签到活跃度和时空概率模型的自适应兴趣点推荐方法

• 作者: 刘文远 司亚利 张付志
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 基于位置社交网络 兴趣点推荐 用户活跃度 隶属度 高斯核密度估计
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 论文
• 页码范围: 678-686
• 页数: 9页
• 分类号: TP391
• 字数: 7526字
• 语种: 中文
• DOI: 10.11999/JEIT190287

摘要

针对现有兴趣点(POI)推荐算法对不同签到特征的用户缺乏自适应性问题,该文提出一种基于用户签到活跃度(UCA)特征和时空(TS)概率模型的自适应兴趣点推荐方法UCA-TS.利用概率统计分析方法提取用户签到的活跃度特征,给出一种用户不活跃和活跃的隶属度计算方法.在此基础上,分别采用结合时间因素的1维幂律函数和2维高斯核密度估计来计算不活跃和活跃特征的概率值,同时融入兴趣点流行度来进行推荐.该方法能自适应用户的签到特征,并能更准确体现用户签到的时间和空间偏好.实验结果表明,该方法能够有效提高推荐精度和召回率.