针对现有的兴趣点推荐算法存在用户签到数据稀疏的问题和用户兴趣的动态变化问题,提出了基于均衡接近度增强时间的兴趣点推荐模型.首先,采用均衡接近度方法计算时间相似度,获得时间影响模型.然后,结合融入兴趣点流行度的空间影响模型,建立矩阵填充模型,将得分最高的前s个兴趣点填充进矩阵.最后,将时间因素融入到矩阵分解模型中,进行优化求解.实验结果表明,该模型更有效地缓解数据稀疏性和用户兴趣动态变化的问题,推荐性能明显优于其他的基准模型.
科研之友
微信
新浪微博
Facebook
分享链接
