科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着互联网数据信息的海量化和地理社交网络（GSNs）的不断发展，群组活动在社会生活中盛行，推荐问题的对象由个人向群组进行延伸，兴趣点（POI）群组推荐问题也逐渐成为研究的热点问题。由于GSNs中用户偏好的多因素影响和群组决策过程的复杂化，传统的方法已经不再适用。为了充分挖掘GSNs中用户偏好和模拟群组决策过程，以提高群组推荐的整体性能，提出了一种基于多维度偏好建模的动态兴趣点群组推荐方法。首先，结合时间因素和空间因素，根据用户行为活动记录计算用户偏好，并以群组为单位构建群组-兴趣点感知图；然后，加入协同用户的影响完成对用户群组偏好的建模，并充分考虑了GSNs中的特征，保证了兴趣点推荐的准确性；最后，利用神经网络结构模拟群组决策过程，完成对兴趣点群组推荐任务的求解。在真实数据集上与现有的群组推荐算法进行了对比，实验结果表明提出的算法在兴趣点命中率等方面明显优于对照算法，证明了该算法的有效性。
- 单位
