基于社交和地理信息的兴趣点推荐

• 作者: 李平 郭晨睿
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 兴趣点 协同过滤 社交信息 地理信息 相似度
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 131-137
• 页数: 7页
• 分类号: TP311
• 字数: 5909字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1905-0003

摘要

目前基于用户的协同过滤兴趣点推荐模型认为两个用户之间对彼此的影响是相同的;同时,在计算社交用户相似度时仅仅考虑了用户的朋友集合,未考虑用户住所的地理信息.针对上述问题,提出了一种融合用户、社会和地理信息的兴趣点推荐(Fuse Users、Social and Geographic,FUSG)模型.将非对称用户影响和PageRank算法融入到基于用户的协同过滤算法中,挖掘用户偏好对兴趣点推荐系统的影响;结合社交用户之间的居住距离和用户的共同好友计算用户之间的相似度;利用地理信息挖掘用户签到的地理特征;将改进的协同过滤算法、社交信息与地理信息融合成FUSG模型,进行兴趣点推荐.在真实的数据集上的实验结果表明,FUSG模型不仅能够缓解冷启动问题,且与其他模型相比具有更高的推荐结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	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