融合社交关系与地理信息的兴趣点推荐模型

• 作者: 孙福振 张进 王帅 王绍卿 鹿祥志
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 兴趣点推荐 矩阵分解 社交信任 BPR
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 173-178
• 页数: 6页
• 分类号: TP311
• 字数: 5301字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0290

摘要

基于LBSN的兴趣点推荐存在用户签到矩阵稀疏、推荐精度不高、上下文信息利用不充分等问题,提出一种融合社交信任的矩阵分解算法TGMF(Trust-Geo Matrix Factorization)来缓解以上问题.利用BPR模型优化矩阵分解的过程,改进偏序关系的生成策略.把信任影响和相似度计算相结合,提高推荐精度.融合两种模型得到用户的最终偏好列表.把偏好列表中的top-k个兴趣点推荐给用户.实验结果表明,在真实数据集Gowalla和Foursquare上,TGMF算法在准确率和召回率两个指标上均优于传统的兴趣点推荐算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙福振	山东理工大学计算机科学与技术学院	36	108	4.0	9.0
2	王帅	山东理工大学计算机科学与技术学院	8	18	2.0	4.0
3	王绍卿	山东理工大学计算机科学与技术学院	9	32	4.0	5.0
4	张进	山东理工大学计算机科学与技术学院	4	2	1.0	1.0
5	鹿祥志	山东理工大学计算机科学与技术学院	1	0	0.0	0.0