融合时空信息和兴趣点重要性的POI推荐算法

• 作者: 刘永坚 唐伶俐 李寒露 解庆
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 兴趣点重要性 时空信息 兴趣点类别 社交信息 数据噪声
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 数据科学与技术
• 页码范围: 2600-2605
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020010060

摘要

针对兴趣点(POI)推荐研究中数据噪声过滤问题和不同POI的重要性问题,提出了一种融合时空信息和兴趣点重要性的POI推荐算法——RecSI.首先,根据POI的地理信息和POI之间相互吸引力过滤噪声数据,缩小候选集的范围;其次,根据用户在一天中不同的时间段对POI类别的偏好程度,结合POI的流行度计算出用户的偏好得分;然后,结合社交信息和加权PageRank算法计算POI重要性;最后,将用户的偏好得分和POI重要性线性结合,以向用户推荐TOP-K的POI.在Foursquare真实的签到数据集上的实验结果表明,RecSI算法的精确率和召回率比最优的GCSR算法分别提高了12.5％和6％,验证了RecSI算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘永坚		25	35	3.0	5.0
2	唐伶俐		13	5	2.0	2.0
3	李寒露		1	0	0.0	0.0
4	解庆		8	3	1.0	1.0