基于POI动态推荐算法的融合时间序列分析

摘要

本文提出了一种融合时间序列的兴趣点(PointsofInterest,简称:POI)的动态推荐算法,在算法中综合应用了流行度信息和兴趣点位置以及用户与用户之间的关系等等。文章中综合考虑了4种异构信息,提出了基于时间序列的POI动态推荐算法。其中,首先对时间序列进行了划分,得出时间因子的相似度。之后,将时间序列融入到基于用户的协同过滤算法中,结合时间的连续性特征进行分析,获得基于用户的预测评分。之后,将地理影响因子与基于时间的流行度信息结合在一起,对用户的评分情况进行预测,并与基于用户的评分进行加权融合处理。最终的实验结果显示,本文所提出的UTPG算法效果确切,有效提高了推荐的精确度与召回率。