关注点推荐算法的霍克斯过程法

P208; 关注点(point-of-interest,POI)推荐是基于位置的社交网络(location-based social network,LBSN)中重要的个性化位置服务.针对LBSN中用户签到数据的复杂性和高度稀疏性问题,本文提出了一种基于霍克斯过程的上下文感知协同过滤关注点推荐算法(HWCF).首先,根据用户签到关注点的地理空间聚集现象分析用户行为特征,筛选用户候选关注点;然后,利用霍克斯过程对候选关注点建模,通过融合空间距离信息、空间序列变换信息、时间信息、用户偏好、关注点流行度等多种上下文信息计算用户访问候选关注点的概率,对访问概率排序得到top-k推荐列表;最后,对算法参...

Full description

Saved in:
Bibliographic Details
Published in测绘学报 Vol. 47; no. 9; pp. 1261 - 1269
Main Authors 张国明, 王俊淑, 江南, 盛业华
Format Journal Article
LanguageChinese
Published 南京大学计算机科学与技术系 ,江苏 南京 210023 01.09.2018
江苏省卫生统计信息中心 ,江苏 南京 210008%南京师范大学虚拟地理环境教育部重点实验室 ,江苏 南京 210023
江苏省地理信息资源开发与利用协同创新中心 ,江苏 南京 210023
Subjects
关注点推荐
霍克斯过程
基于位置的社交网络
Online AccessGet full text
ISSN1001-1595
DOI10.11947/j.AGCS.2018.20170552

Cover

More Information
Summary:P208; 关注点(point-of-interest,POI)推荐是基于位置的社交网络(location-based social network,LBSN)中重要的个性化位置服务.针对LBSN中用户签到数据的复杂性和高度稀疏性问题,本文提出了一种基于霍克斯过程的上下文感知协同过滤关注点推荐算法(HWCF).首先,根据用户签到关注点的地理空间聚集现象分析用户行为特征,筛选用户候选关注点;然后,利用霍克斯过程对候选关注点建模,通过融合空间距离信息、空间序列变换信息、时间信息、用户偏好、关注点流行度等多种上下文信息计算用户访问候选关注点的概率,对访问概率排序得到top-k推荐列表;最后,对算法参数的取值及调整过程进行讨论.试验结果表明,HWCF算法比其他的关注点推荐算法具有更好的推荐效果.
ISSN:1001-1595
DOI:10.11947/j.AGCS.2018.20170552