为解决兴趣点推荐中个性化不足和推荐性能较差的问题,提出一种基于矩阵分解的上下文感知兴趣点推荐方法。通过建立矩阵分解模型综合考虑时间、地理位置等上下文信息对兴趣点推荐的影响,在协同过滤算法中融入时间序列建模用户偏好,利用随机梯度下降法优化矩阵分解模型的参数,提高模型的运行效率。实验结果表明,该方法能够满足不同用户的个性化需求,相比于其它主流兴趣点推荐方法有着更好的推荐性能。
科研之友
微信
新浪微博
Facebook
分享链接
