在基于位置的社交网络中,用户签到矩阵极其稀疏,采用排序学习技术进行兴趣点推荐是目前的热门研究方向。针对基于排序学习的兴趣点推荐模型存在精度不高、推荐列表忽略兴趣点的位置等问题,提出一种基于ListMLE的兴趣点推荐算法。基于推荐列表中兴趣点位置的关注度差异,将改进ListMLE算法应用到兴趣点推荐中;用户社交关系影响融入ListMLE的打分函数;代价敏感方法融入推荐列表计算过程。实验表明,在真实数据集Gowalla上,算法的准确率和召回率均优于基线排序学习算法。
科研之友
微信
新浪微博
Facebook
分享链接
