基于签到活跃度和时空概率模型的自适应兴趣点推荐方法

作者：司亚利; 张付志^*; 刘文远

来源：电子与信息学报, 2020, 42(03): 678-686.

• 基于位置社交网络
• 兴趣点推荐
• 用户活跃度
• 隶属度
• 高斯核密度估计

针对现有兴趣点(POI)推荐算法对不同签到特征的用户缺乏自适应性问题,该文提出一种基于用户签到活跃度(UCA)特征和时空(TS)概率模型的自适应兴趣点推荐方法UCA-TS。利用概率统计分析方法提取用户签到的活跃度特征,给出一种用户不活跃和活跃的隶属度计算方法。在此基础上,分别采用结合时间因素的1维幂律函数和2维高斯核密度估计来计算不活跃和活跃特征的概率值,同时融入兴趣点流行度来进行推荐。该方法能自适应用户的签到特征,并能更准确体现用户签到的时间和空间偏好。实验结果表明,该方法能够有效提高推荐精度和召回率。

• 单位
  燕山大学; 燕山大学里仁学院