计算机应用

作者：许朝, 孟凡荣, 袁冠, 李月娥, 刘肖

单位：1. 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;2. 中国矿业大学 档案馆, 江苏 徐州 221116

关键词：兴趣点推荐,基于位置的社交网络,协同过滤算法,地点影响力,核密度估计

基金：国家自然科学基金资助项目（71774159）；中国博士后基金资助项目（2018M642358）；绿色安全管理与政策科学智库（2018WHCC03）。

为解决兴趣点（POI）推荐不准确和效率低的问题，深入分析社交因素和地理位置因素的影响，提出了一种融合地点影响力的POI推荐算法。首先，为了解决签到数据稀疏的问题，将2-度好友引入协同过滤算法中构建了社交影响模型，通过计算经历和好友相似度获取2-度好友对用户的社交影响；其次，深入考虑地理位置因素对POI推荐影响，在对社交网络分析的基础上构造了地点影响力模型，通过PageRank算法发现用户影响力，结合POI被签到次数计算地点影响力，获取准确的整体位置偏好，并使用核密度估计方法对用户签到行为建模和获取个性化地理位置特征；最后，融合社交模型和地理位置模型提高推荐准确性，并通过构造POI推荐候选集来提高推荐效率。在Gowalla和Yelp签到数据集上实验，结果表明所提算法能够快速完成POI推荐，在准确率和召回率指标上明显优于融合时间因素的位置推荐（LRT）和融合地理社交因素的个性化位置推荐（iGSLR）算法。

来源：2019年第11期

《计算机应用》期刊编辑部

查看计算机应用杂志2019年第11期