多因素融合的个性化位置推荐算法研究

摘要

随着在线社交网络的迅速发展，朋友之间能够更加方便的分享图片、文档、视频等。基于位置的社交网络是在传统在线社交网络中增添位置因素，使得用户能够方便地共享嵌入位置的信息。然而，面临浩瀚的信息资源，如何从中找到自己感兴趣的信息是非常困难的。不同的用户有不同的需求，对位置信息的感兴趣程度也不尽相同。个性化的推荐算法可以挖掘用户的兴趣，进而帮助用户自动地选择感兴趣的信息，在基于位置的社交网络中变得越来越重要。目前，针对基于位置的社交网络推荐的研究，主要包括位置推荐、用户推荐、活动推荐以及社交媒体推荐。其中，位置推荐已经成为了最近研究的一个重点。
　　本文以签到型社交网站中的用户签到数据为研究对象，对用户的移动行为进行研究，得到了影响用户移动行为的主要因素。探究了社会关系对用户移动行为的影响，并从空间地理位置角度研究了用户签到位置和常居地的距离与其社会关系之间的联系。在此基础上，结合地理位置信息和用户关系，根据得到的影响用户移动行为的主要因素，提出了一种多因素融合的个性化位置推荐算法。该算法有效地融合了用户偏好信息、社会关系影响、用户当前位置以及时间间隔等多种因素，能够提高位置推荐的准确性。
　　本文将提出的算法与现有典型位置推荐算法进行对比后发现，本文的算法在实验参数设定以及推荐结果上都要优于原有的位置推荐算法，不仅充分考虑了用户的移动行为，而且适应用户的当前位置，能够预测用户未来的活动，可以更好地进行个性化位置推荐。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 本文主要工作

1.4 论文组织结构

第二章 相关知识概述

2.1 推荐算法

2.2 基于位置的社交网络

2.3 推荐系统的评价指标

2.4 本章小结

第三章 基于位置的社交网络中影响用户行为的因素

3.1 签到数据

3.2 社会关系影响下的用户行为

3.3 位置因素影响下的用户行为

3.4 本章小结

第四章 多因素融合的个性化位置推荐算法

4.1 个性化位置推荐算法

4.2 多因素融合的个性化位置推荐算法

4.3 实验设计与结果分析

4.4 本章小结

第五章 总结与展望

5.1 本文总结

5.2 未来工作的展望

参考文献

在学期间的研究成果

致谢