基于地理-社会-评论关系的典型化兴趣点推荐方法

摘要

当前兴趣点推荐大多利用兴趣点的位置信息和用户的社交关系提升推荐质量,忽略了兴趣点评论信息的重要性;此外,推荐的兴趣点之间通常比较相似,不具有代表性和差异性.针对上述问题,提出了一种新的兴趣点相关度评估模型,称为地理-社会-评论关系模型,并给出了一种新的评论文本相似度度量方法.根据兴趣点间的地理-社会-评论关系相关度,提出了基于谱聚类的兴趣点聚类方法和基于概率密度估计的兴趣点典型化选取方法,以便从每个聚类中选取一个具有代表性的兴趣点.对于选取的典型化兴趣点,提出了利用概率因子模型拟合用户访问兴趣点次数矩阵的方法对推荐结果进行个性化排序.实验结果表明,本文提出的相关度评估模型对兴趣点的相关度评估更合理,推荐结果在多样性和准确率方面都取得了更好的效果.