基于矩阵分解的个性化轨迹推荐方法

摘要

轨迹推荐在轨迹数据挖掘中尤为重要,可以帮助用户从大量轨迹数据中快速找到满足用户需求的路线.现有的轨迹推荐方法通常是在原始轨迹数据上考虑特定代价标准最优的前提下返回出行路线,无法体现不同用户的不同行为习惯.针对此问题,将用户前后连贯的活动刻画为行为,提出基于矩阵分解的用户行为概率学习方法.基于学习的用户行为概率,将寻找概率最大路线问题转换为在行为图中寻找最短路径的问题.在真实数据集进行一系列实验,验证了算法的有效性和可行性.