基于位置社交网络的地点推荐算法的研究

摘要

随着第四代移动网络、社交媒体的迅速发展以及内置GPS模块的先进设备的普及使得基于位置的社交网络能得以实现。基于此，根据用户自身的移动特性个性化的向用户进行POI（Point of interest）推荐成为研究的一个热门方向，大量研究人员提出了具有价值的POI推荐算法。然而现有基于LBSN的POI推荐算法受到数据稀疏性，冷启动等问题的影响导致效果不佳。 本文抓住位置社交网络的特点以及现有具有代表性的POI推荐算法的一些优缺点，深入挖掘用户地理位置以及时间信息，与用户的兴趣爱好相结合，以提高个性化地点推荐的的准确性为目标进行研究，主要研究成果如下： (1)为了了解现具有代表性的POI推荐算法的优缺点以及可能的改进方向，本文提出了一个基于评估流程的算法分析与改进框架。通过组成该框架的评估流程层，分析层，结论层，对7个具有代表性的POI推荐算法在不同数据集、不同数据密度、用户具有不同签到数以及用户具有不同活动范围四种情境下的准确率和召回率的表现进行对比，分析原因，并根据原因提出了三个算法可能的改进方向。 (2)结合真实世界收集到的数据集Gowalla，分析时间和地理影响之间的关系。我们得出三个结论：在基于位置社交的网络中，用户的签到行为在时间维度上也具有地理聚集现象；地理聚类现象在时间维度上具有连续性；地理聚类现象在时间维度上具有异质性。 (3)由于时间和地理影响之间的关系，我们选择基于矩阵分解的LRT算法进行改进，通过融合GeoMF算法中解决数据密度的方法，提出基于时间和地理影响POI推荐算法GeoTMF。GeoTMF与LRT和GeoMF算法在四种场景下使用Gowalla、Foursquare数据进行对比，发现该算法总体性能上表现最好，并且能在一定程度上解决POI推荐问题中的数据稀疏性、冷启动问题。 本文对基于位置的社交网络做了较系统的研究和归纳总结。通过在真实的数据集Gowalla和Foursquare上对提出的GeoTFM算法进行实验验证表明：该算法显著提高了对POI推荐的准确率，同时也表明基于评估流程的算法分析和改进框架对于提出新的POI推荐算法具有一定的参考性和可操作性。

目录

声明

第一章 绪论

1.1研究背景与意义

1.2国内外研究现状

1.3地点推荐的挑战

1.4研究内容与主要工作

1.5论文的结构安排

1.6本章小结

第二章 传统推荐与POI推荐

2.1传统的推荐系统概述

2.1.1基于内容的推荐系统

2.1.2协同过滤推荐系统

2.2基于LBSN的地点推荐

2.2.1问题定义

2.2.2 LBSN的推荐框架

2.2.3个性化地点推荐算法

2.3相似度度量方法

2.3.1余弦相似度

2.3.2 Jaccard相似度

2.3.3皮尔逊相关系数

2.3.4修正的余弦相似度

2.4本章小结

第三章 POI推荐算法

3.1矩阵分解模型

3.1.1 LRT

3.1.2 GeoMF

3.2泊松因子模型

3.2.1 MGMPFM

3.2.2 GeoPFM

3.3混合模型

3.3.1 USG

3.3.2 CoRe

3.3.3 GeoSoCa

3.4本章小结

第四章 基于评估流程的算法分析与改进

4.1基于评估流程的算法分析与改进框架介绍

4.2评估流程层

4.2.1不同类型数据的评估

4.2.2不同类型用户的评估

4.3分析层

4.3.1在不同数据集上的评估分析

4.3.2不同数据密度下的评估分析

4.3.3具有不同签到POI数的用户分组评估分析

4.3.4具有不同活动范围的用户分组评估分析

4.4结论层

4.5本章小结

第五章 GeoTMF：基于时间和地理影响的POI推荐算法

5.1基于矩阵分解的理论基础

5.2时间影响和地理影响关系探究

5.3 GeoTMF算法

5.3.1 GeoTMF算法思想

5.3.2 GeoTMF算法建模

5.4实验结果与分析

5.4.1评价方法与指标

5.4.2实验数据与实验数据

5.4.3实验与分析

5.5本章小结

第六章 总结与展望

6.1总结

6.2展望

致谢

参考文献