基于社交环境和时空数据的个性化位置推荐研究

基于社交环境和时空数据的个性化位置推荐研究

ID:35068458

大小:3.54 MB

页数:69页

时间:2019-03-17

基于社交环境和时空数据的个性化位置推荐研究_第1页
基于社交环境和时空数据的个性化位置推荐研究_第2页
基于社交环境和时空数据的个性化位置推荐研究_第3页
基于社交环境和时空数据的个性化位置推荐研究_第4页
基于社交环境和时空数据的个性化位置推荐研究_第5页
资源描述:

《基于社交环境和时空数据的个性化位置推荐研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于社交环境和时空数据的个性化位置推荐研究重庆大学硕士学位论文(学术学位)学生姓名:栗恒指导教师:冯永教授专业:软件工程学科门类:工学重庆大学计算机学院二O一六年四月SocialContextandTemporal-SpatialDatabasedPersonalizedLocationRecommendationAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheMaster’sDegreeo

2、fEngineeringByLiHengSupervisedbyProf.FengYongSpecialty:SoftwareEngineeringCollegeofComputerScienceofChongqingUniversity,Chongqing,ChinaApril,2016重庆大学硕士学位论文中文摘要摘要移动智能设备的广泛普及促使社交服务快速向移动终端发展,基于位置的社交网络(Location-basedSocialNetwork,简称LBSN)便应运而生。该类社交网络凭借位置服务特

3、性成功吸引了大量用户注册使用,海量社交和位置信息为发掘用户行为模式提供了数据支撑。为了完善位置服务,研究用户移动行为并提供个性化位置推荐具有重要的现实意义。基于位置的社交网络包含丰富的社交和签到数据,社交数据揭示了用户之间的内在联系,具有时空特性的签到数据反映了用户真实的线下活动轨迹。因此,挖掘社交和签到数据有助于理解用户的移动行为,进而提高个性化位置推荐的准确性。本文从上述两方面信息入手,以提高推荐准确性为目标对社交环境中个性化位置推荐进行深入研究,主要创新点及研究成果如下:①LBSN用户在进行社

4、会活动时展现出了强烈的时间周期性,签到行为和社交影响与用户当前所处的时间状态密切相关。为了在推荐模型中引入时间周期特性,本文提出了基于时间状态的社交圈概念,将社交好友按时间状态重新划分,更细粒度的确定社交影响的范围;②本文以社交圈为基础对社交环境中存在的多种社交因素进行研究,包括:个人偏好、偏好相似度、社交信任以及亲近度。同时,结合签到数据中包含的时间和地理空间信息提出了合理的计算方法对社交因素进行量化,最终将它们注入到推荐模型中以体现社交因素对用户决策过程的影响;③本文针对LBSN提出了全新的个性

5、化位置推荐模型STS(Social,Temporal,Spatial),该模型融入了社交影响和时空特性,在一定程度上降低了矩阵稀疏和冷启动问题对推荐性能的限制,提高了位置推荐的准确性;④本文采用矩阵分解技术学习用户与位置的隐特征,然后通过矩阵相乘获得每个时间状态下的预测偏好矩阵。同时,提供了多种合并策略将各时间状态下的偏好矩阵合并为统一的预测偏好矩阵并最终向用户提供位置推荐。在真实数据集上的实验结果表明,本文提出的STS模型能够进行有效的位置推荐并且改善了位置推荐的性能。关键词:位置推荐,LBSN,

6、社交圈,时空数据,矩阵分解I重庆大学硕士学位论文英文摘要ABSTRACTThewidespreadpopularityofmobileintelligentdevicesgivesaresultthatthesocialservicesarebeingrapidlytransferredtomobileterminal.Inaddition,thelocationbasedsocialnetwork(LBSN)hasemerged.Benefittingfromthelocationbasedser

7、vices,LBSNhassuccessfullyattractedbillionsofusers.Themassivesocialandmovementinformationprovidesthedatasupportfortheminingofuserbehaviorpatterns.Tobettersupportlocationbasedservices,thereistheexistenceofpracticalsignificancetominingusersocialbehavioran

8、dgivingpersonalizedlocationrecommendation.LBSNcontainsrichsocialandcheck-ininformation.Socialinformationrevealstheintrinsicrelationshipsbetweenusers,whilecheck-ininformationreflectstherealmovementtracesintheofflineworld.Intuitively,anal

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。