基于时间和标签信息的个性化地点推荐方法研究

摘要

随着移动设备、无线网络和Web2.0的快速发展，基于位置的社交网络（Location-Based Social Networks，LBSN）逐步兴起，越来越多的人们通过这样的平台分享和获取各类信息。为了有效帮助用户快速发现自己感兴趣的地点，个性化的地点推荐成为近年来研究的热点之一。虽然已有学者对地点推荐展开了相关研究，但是仍然存在以下问题:首先，从推荐方法上看，学术界运用最普遍的方法是根据用户的历史签到数据构建用户评分矩阵，寻找相似用户进行协同过滤推荐，但是由于用户的签到数据存在严重的稀疏性，相似用户的寻找较为困难，导致推荐的结果准确性较低。其次，从推荐的影响因素来看，目前的地点推荐中忽略了时间和标签信息对于用户偏好建模的影响。而在基于位置的社交网络上，用户的行为具有明显的时间性，同时标签作为文本描述信息可以为地点推荐带来更多的参考依据。因此，本文针对上述问题，从时间因素和标签信息两个角度出发，对地点推荐方法进行了研究，主要工作和研究成果如下:
　　(1)从时间角度对用户行为进行分析，挖掘用户行为与时间的内在关联，基于时间的不一致性和连续性对矩阵分解方法进行改进，提出了一种基于时间属性的地点推荐方法。
　　(2)从地点的分类、标签信息入手，利用LDA方法挖掘标签的隐含主题，得到主题-标签的概率分布。在此基础上，根据用户的签到记录构建用户-主题模型，并通过衡量用户和地点在主题上的相似度预测用户评分得到推荐结果。然后，对标签主题建模的推荐方法进行了改进，提出了融合时间属性和地点标签的混合推荐方法。
　　(3)利用著名的位置社交网络——Foursquare中的数据，对本文提出的地点推荐方法进行了实验研究，并对相关参数的影响进行了探讨。实验结果表明，本文提出的方法结合了时间和标签信息，能够更加全面地对用户行为进行分析，挖掘用户行为与时间、地点语义的隐含关系，具有更好的推荐效果，对解决个性化推荐问题具有重要的理论价值和实际意义。

目录

声明

致谢

摘要

第一章 绪论

1．1 课题背景与意义

1．2 国内外研究现状

1．2．1 位置社交网络简介

1．2．2 地点推荐的研究现状

1．3 研究内容和主要贡献

1．4 论文结构安排

第二章 推荐相关理论概述

2．1 协同过滤推荐

2．1．1 基于内存的协同过滤

2．1．2 基于模型的协同过滤

2．2 基于地理距离的推荐方法

2．3 组合推荐方法

2．4 主题模型和LDA

第三章 基于时间属性的地点推荐方法

3．1 LBSN上用户行为的时间属性分析

3．2 基于时间属性的建模方法

3．2．1 矩阵分解的模型描述

3．2．2 基于时间不一致性建模

3．2．3 基于时间连续性建模

3．3 基于时间属性的个性化推荐方法的实现

3．4 算法描述

第四章 基于LDA的标签主题建模地点推荐方法

4．1 基于LDA的地点标签主题建模

4．1．1 地点标签的相关信息描述

4．1．2 基于LDA的地点标签主题模型的建立

4．2 用户偏好模型的构建

4．2．1 问题描述

4．2．2 用户偏好模型的构建

4．3 推荐结果的生成

4．3．1 用户相似度的计算

4．3．2 基于主题分布的评分预测

4．4 基于标签建模的地点推荐方法的改进

第五章 实验设计与结果分析

5．1 实验数据集和评价指标

5．1．1 实验环境

5．1．2 实验数据集

5．1．3 实验评价指标

5．2 实验对比算法及实验结果分析

5．3 基于时间属性的推荐方法分析

5．3．1 四种聚合策略的推荐结果比较

5．3．2 基于时间属性推荐方法的可扩展性

5．4 基于标签主题建模的推荐方法分析

5．4．1 主题数目对推荐效果的影响

5．4．2 实验结果对比分析

第六章 总结与展望

6．1 工作总结

6．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况