基于社区发现的兴趣点推荐

论文摘要

近年来,LBSN（Location-based Social Networks）作为一种典型的异质信息网络越来越受到大众的关注。针对LBSN中用户签到信息十分稀疏的情况,文中提出了一种基于社区发现的兴趣点推荐算法CBR（Community-Based Recommendation）。该算法首先在社交媒体层上计算目标用户与聚类后的兴趣主题簇的相似度;其次通过兴趣主题簇与地理位置簇之间的关联矩阵R计算用户在地理位置簇上的隶属度;然后进一步融合用户的社交关系,从而得到用户对各个兴趣点的偏好分数;最后按照兴趣点的分数进行排序,以实现Top-k推荐。实验结果表明,该算法可以明显提高兴趣点的推荐质量。

论文目录

• 1 引言
• 2 相关工作
• 3 兴趣点推荐模型的建立过程
•   3.1 问题描述
•   3.2 用户与兴趣主题簇的相似性计算
•   3.3 用户与兴趣点的相似性评分
• 4 仿真与实验结果分析
•   4.1 实验数据集描述
•   4.2 对比算法
•   4.3 评价指标
•   4.4 实验结果分析

文章来源

类型: 期刊论文

作者: 龚卫华,沈松

关键词: 多维关系,社区发现,兴趣点推荐,地理位置簇

来源: 计算机科学 2019年12期

年度: 2019

分类: 信息科技

专业: 计算机软件及计算机应用

单位: 浙江工业大学计算机科学与技术学院

基金: 国家自然科学基金青年项目(61502420),浙江省自然科学基金项目(LY13F020026,LY16F020032),中国博士后科学基金项目(2015M581957),浙江省教育厅科研项目(Y201840116)资助

分类号: TP391.3

页码: 63-68

总页数: 6

文件大小: 586K

下载量: 280