融入时间的兴趣点协同推荐算法

• 作者: 包玄 陈红梅 肖清
• 来源期刊: 计算机应用
• 关键词: 基于位置的服务 兴趣点 推荐 协同过滤 时间关系
• 年，卷（期）: 2021,（8）
• 所属期刊栏目: 第八届CCF大数据学术会议|CCF Bigdata 2020
• 页码范围: 2406-2411
• 页数: 6页
• 分类号: TP391.3
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020101565

摘要

兴趣点(POI)推荐可以帮助用户发现其没有访问过但可能感兴趣的地点,是重要的基于位置的服务之一.时间在POI推荐中是一个重要因素,而现有POI推荐模型并没有较好地考虑时间因素,因此通过考虑时间因素来提出融入时间的POI协同推荐(TUCF)算法,从而提高POI推荐的效果.首先,分析基于位置的社交网络(LBSN)的用户签到数据,以探索用户签到的时间关系;然后,利用时间关系对用户签到数据进行平滑处理,以融入时间因素并缓解数据稀疏性;最后,根据基于用户的协同过滤方法,在不同时间推荐不同POI给用户.在真实签到数据集上的实验结果表明,与基于用户的协同过滤(U)算法相比,TUCF算法的精确率和召回率分别提高了63％和69％;与具有平滑增强时间偏好的协同过滤(UTE)算法相比,TUCF算法的精确率和召回率分别提高了8％和12％;并且TUCF算法的平均绝对误差(MAE)比U算法和UTE算法分别减小了1.4％和0.5％.