为提高基于位置的社交网络服务(location-based social network service,LBSN)中地点推荐的准确率,提出一种结合社交关系和位置信息的地点推荐算法(social and location collaborative filtering,SL-CF)。以社会学六度分割理论为基础,...为提高基于位置的社交网络服务(location-based social network service,LBSN)中地点推荐的准确率,提出一种结合社交关系和位置信息的地点推荐算法(social and location collaborative filtering,SL-CF)。以社会学六度分割理论为基础,计算对用户的信任度,获得信任用户,与相似用户融合生成邻居用户,根据融合过程中的推荐因子建立基于社交关系的预选推荐集,采用用户历史签到信息的位置影响对预选推荐列表过滤,获得推荐结果。在Foursquare数据集上的实验结果表明,该算法可以缓解数据稀疏性以及冷启动问题,验证了该算法的准确性和可行性。展开更多
文摘为提高基于位置的社交网络服务(location-based social network service,LBSN)中地点推荐的准确率,提出一种结合社交关系和位置信息的地点推荐算法(social and location collaborative filtering,SL-CF)。以社会学六度分割理论为基础,计算对用户的信任度,获得信任用户,与相似用户融合生成邻居用户,根据融合过程中的推荐因子建立基于社交关系的预选推荐集,采用用户历史签到信息的位置影响对预选推荐列表过滤,获得推荐结果。在Foursquare数据集上的实验结果表明,该算法可以缓解数据稀疏性以及冷启动问题,验证了该算法的准确性和可行性。
