基于聚类和时间权重的协同过滤位置预测算法

作者：田继伟; 王劲松^*; 石凯; 薛玉岱; 岳欣

来源：天津理工大学学报, 2019, 35(03): 48-61.

• 协同过滤
• 时空数据
• DBSCAN聚类
• 时间权重
• 位置预测

校园无线网络产生大量用户位置数据,它使掌握用户行为轨迹、预测用户位置成为可能.协同过滤广泛用于预测和推荐系统中,但现有研究存在数据稀疏性和不适用于处理时空数据的缺点.本文提出基于聚类和时间权重的协同过滤位置预测算法.首先利用DBSCAN聚类算法对用户进行聚类,缓解数据稀疏性.然后在簇内计算用户-位置评分矩阵时引入时间权重,使用户近期的位置签到对预测有更大贡献.与传统协同过滤方法相比,该方法准确率提高9.1%,召回率提高5.2%,F1-SCORE提高7%.

• 单位
  天津理工大学; 天津市智能计算及软件新技术重点实验室