兴趣点推荐是基于位置的社交网络(LBSN)中一个重要的个性化服务。由于用户数据的稀疏性,该研究面临着严重的冷启动问题。为了应对这一挑战,提出一个能够利用情景信息来缓解冷启动,提高推荐效率的框架。首先,使用情境信息(空间信息、时间信息、社交信息)来为目标用户定义相关用户;其次,利用相关用户的历史签到数据,使用该算法学习目标用户的潜在兴趣,缓解签到矩阵的稀疏性。接着,把地理信息和矩阵分解的结果融合,最后完成对用户的推荐。
科研之友
微信
新浪微博
Facebook
分享链接
