协同过滤和概率模型是位置推荐中的常用方法,但前者没有考虑用户的移动模式,后者也难以用于稀疏数据集。针对上述问题,面向稀疏数据构建基于高斯混合模型的位置推荐框架GMMSD。按时间段划分用户签到的历史数据,通过数据预处理获取用户一区域矩阵,并利用矩阵分解算法提高稀疏数据的推荐准确度,学习高斯混合模型以预测用户出现在不同区域的概率分布,从而进行位置推荐。在真实数据集上的实验结果表明,GMMSD可以有效提高稀疏数据中位置推荐的准确度。
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
全部0条评论
快来发表一下你的评论吧 !