文献类型：期刊文章

作　　者：卢露[1] 朱福喜[2] 高榕[2] 朱林[1]

机构地区：[1]上海电力学院计算机科学与技术学院,上海200090 [2]武汉大学计算机科学与技术学院,武汉430072

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61272277)

年　　份：2018

卷　　号：54

期　　号：4

起止页码：154-159

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目前基于协同过滤的兴趣点推荐算法能够获得较好的推荐效果,但是当用户外出远离其常驻地时,推荐效果急剧下降,主要原因是用户的签到记录主要集中在其常驻地周围,而对其他兴趣点的签到行为较少,此时不能准确计算用户兴趣。因此提出了一种基于主题模型的兴趣点推荐算法,在推荐过程中同时考虑了用户的偏好分布和兴趣点的主题分布,使得当用户在新的兴趣点时,也能获得较好的推荐。实验证明,该方法不仅能够缓解推荐数据的稀疏性问题,而且与其他方法相比有更高的推荐准确率。

关 键 词：位置社交网络  兴趣点推荐  协同过滤

分 类 号：TP391.9]