资料下载
×
话题-位置-类别的协同过滤兴趣点推荐算法
消耗积分:0 |
格式:pdf |
大小:1.95 MB |
2021-05-07
分享资料个
随着基于位置的社交网络（ Location-based Social Networks，LBSN）的不断发展，有助于用户探索新地点和商家发现潜在客户的兴趣点（ Point-of-lnη iterest，POⅠ）推荐受到了广泛关注。然而，用户签到数据的高稀疏性，为兴趣点推荐带来了严峻挑战。针对这一挑战，文中探索兴趣点的文本、地理和类别信息，有效融合兴趣话题、地理影响及类别偏好因素，提出了一种话题位置ˉ类别感知的协同过滤兴趣点推荐算法，称之为 IGC-CF。该算法利用潜在狄利克雷分配（ Latent dirichlet allocation，LDA）模型挖掘兴趣点相关的文本信息，学习用户的兴趣话題分布，并计算用户间兴趣话题分布的相似度，通过结合地理距离和用户的区域偏妤来建模地理影响;使用TF-IDF统计方法评估目标用户对类别的偏妤程度，并考虑其他用户的类别偏妤在推荐过程中的作用和影响，最后将这些影响因素整合到一个协同过滤推荐模型中，从而生成包含用户感兴趣的兴趣点的推荐列表。在两个真实数据集上的实验结果表明， IGC-CF算法比其他推荐算法表现更好。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
