计算机应用

作者：李寒露, 解庆, 唐伶俐, 刘永坚

单位：武汉理工大学 计算机科学与技术学院, 武汉 430070

关键词：兴趣点重要性,时空信息,兴趣点类别,社交信息,数据噪声

基金：国家自然科学基金资助项目（61602353）。

针对兴趣点（POI）推荐研究中数据噪声过滤问题和不同POI的重要性问题，提出了一种融合时空信息和兴趣点重要性的POI推荐算法——RecSI。首先，根据POI的地理信息和POI之间相互吸引力过滤噪声数据，缩小候选集的范围；其次，根据用户在一天中不同的时间段对POI类别的偏好程度，结合POI的流行度计算出用户的偏好得分；然后，结合社交信息和加权PageRank算法计算POI重要性；最后，将用户的偏好得分和POI重要性线性结合，以向用户推荐TOP-K的POI。在Foursquare真实的签到数据集上的实验结果表明，RecSI算法的精确率和召回率比最优的GCSR算法分别提高了12.5%和6%，验证了RecSI算法的有效性。

来源：2020年第9期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第9期