一种结合专家信任的POI推荐算法

doi:10.3969/j.issn.1006-2475.2019.12.003

计算机与现代化

一种结合专家信任的POI推荐算法

(扬州大学信息工程学院，江苏扬州225100)

收稿日期:2019-05-13 出版日期:2019-12-11 发布日期:2019-12-11
作者简介:桂易琪(1981-)，女，江西临川人，讲师，博士，研究方向：多媒体网络，推荐算法，智能信息处理，E-mail: yqgui@yzu.edu.cn; 田星晨(1993-)，男，江苏大丰人，硕士研究生，研究方向：推荐算法，E-mail: alkaidprince@vip.qq.com。
基金资助:
江苏省自然科学基金资助项目(BK20150459)

A POI Recommendation Algorithm Combined with Expert Trust

(School of Information Engineering, Yangzhou University, Yangzhou 225100, China)

Received:2019-05-13 Online:2019-12-11 Published:2019-12-11

摘要/Abstract

摘要： 针对目前的POI(point-of-interest)推荐算法未能很好地处理签到数据稀疏的用户的推荐问题，提出一种结合专家信任的POI推荐算法。根据用户签到信息，选取一定时空范围内的用户签到数据，结合签到次数和签到范围的影响来选取专家用户并进行推荐，同时使用核函数来对推荐结果进行优化，得到最终的Top-N推荐列表。实验结果表明，该算法在召回率和准确率上都有所提高。

关键词: POI, 时空因素, 签到次数, 签到范围, 核函数

Abstract: Aiming at the recommendation problem that the current POI (point-of-interest) recommendation algorithm fails to deal with the sparse users of the check-in data, this paper proposes a POI recommendation algorithm combined with expert trust. According to the user’s check-in information, this algorithm selects the user check-in data in a certain space-time range, selects the expert user and makes the recommendation by combining the influence of check-in number and check-in range, uses the kernel function to optimize the recommendation result, and gets the final Top-N recommendation list. Experimental results show that the algorithm is improved in both recall rate and accuracy rate.

Key words: POI, space-time factors, check-in numbers, check-in range, kernel function

中图分类号:

TP391

桂易琪，田星晨. 一种结合专家信任的POI推荐算法[J]. 计算机与现代化, doi: 10.3969/j.issn.1006-2475.2019.12.003.

GUI Yi-qi, TIAN Xing-chen. A POI Recommendation Algorithm Combined with Expert Trust[J]. Computer and Modernization, doi: 10.3969/j.issn.1006-2475.2019.12.003.

参考文献

［1］CHE H Y, SANG D, ZIMBA B. Recommending personalized POIs from location based social network［J］. Journal of Beijing Institute of Technology, 2018,27(1):137-145.
［2］沈鑫娣,翟东君,张得天,等. 基于LSH的隐私保护POI推荐算法［J］. 计算机工程, 2019,45(1):96-102.
［3］包志强,宋静霞. 结合关联规则填充的协同过滤改进算法［J］. 现代电子技, 2019,42(3):78-81.
［4］王立,张谧. 基于LSTM的POI个性化推荐框架［J］. 计算机系统应用, 2018,27(12):56-61.
［5］徐雅斌,孙晓晨. 位置社交网络的个性化位置推荐［J］. 北京邮电大学学报, 2015,38(5):118-124.
［6］孟祥武,李瑞昌,张玉洁,等. 基于用户轨迹数据的移动推荐系统研究［J］. 软件学报, 2018,29(10):3111-3133.
［7］朱敬华,明骞. LBSN中融合信任与不信任关系的兴趣点推荐［J］. 通信学报, 2018,39(7):157-165.
［8］廖国琼,姜珊,周志恒,等. 基于位置社会网络的双重细粒度兴趣点推荐［J］. 计算机研究与发展, 2017,54(11):2600-2610.
［9］张善文,文国秋,张乐园,等. 基于核函数的稀疏属性选择算法［J］. 计算机科学, 2019,46(2):62-67.
［10］赵琴琴,鲁凯,王斌. SPCF:一种基于内存的传播式协同过滤推荐算法［J］. 计算机学报, 2013,36(3):671-676.
［11］钱春琳,张兴芳,孙丽华. 基于在线评论情感分析的改进协同过滤推荐模型［J］. 山东大学学报(工学版), 2019,49(1):47-54.
［12］KEFALAS P, MANOLOPOULOS Y. A time-aware spatio-textual recommender system［J］. Expert Systems with Applications, 2017,78:396-406.
［13］YUAN Q, CONG G, MA Z Y, et al. Time-aware point-of-interest recommendation［C］// Proceeding of the 36th International ACM SIGIR Conference on Research and Development in Information Retrieval. 2013:363-372.
［14］AHN J Y, LEE J H. Clustering algorithm for time series with similar shapes［J］. KSII Transactions on Internet and Information Systems, 2018,12(7):3112-3127.
［15］蔡念,刘广聪,蔡红丹. 改进矩阵分解与卷积神经网络结合的推荐模型［J/OL］. 计算机工程与应用, (2019-03-08)［2019-03-10］. http://kns.cnki.net/kcms/detail/11.2127.tp.20190307.1825.015.html.
［16］ZHANG Z Y, LIU Y. A list-wise matrix factorization based POI recommendation by fusing multi-tag, social and geographical influences［J］. 网际网路技术学刊, 2018,19(1):127-136.
［17］REN X Y, SONG M N, E H H, et al. Context-aware probabilistic matrix factorization modeling for point-of-interest recommendation［J］. Neurocomputing, 2017,241:38-55.
［18］ZHENG H T, ZHOU Y M, LIANG N, et al. Exploiting user mobility for time-aware POI recommendation in social networks［J］. IEEE Access, 2017. DOI: 10.1109/ACCESS.2017.2764074.
［19］张松慧,熊汉江. 融合地理社交和时间序列信息嵌入排名位置推荐模型［J/OL］. 计算机应用研究, (2018-05-24)［2019-03-10］. http://www.arocmag.com/article/02-2019-09-013.html.
［20］雷恩,孔祥福. MAPGIS软件平台下地图点位坐标批量输出探讨［J］. 中国非金属矿工业导刊, 2018(1):62-63.
［21］CHEN J L, LI X, CHEUNG W K, et al. Effective successive POI recommendation inferred with individual behavior and group preference［J］. Neurocomputing, 2016,210:174-184.
［22］段宗涛,蔡丹丹,唐蕾,等. 基于预测的LBSN兴趣点推荐算法［J］. 微电子学与计算机, 2019,36(1):66-69.
［23］GUI Y Q, TIAN X C. A personalized recommendation algorithm considering recent changes in users’ interests［C］// Proceedings of the 2nd International Conference on Big Data Research. 2018:128-132.

[1]	牛奉高, 冯世佳, 黄琛. 基于CLSVSM的惩罚性矩阵分解及其在文本主题聚类中的应用[J]. 计算机与现代化, 2021, 0(05): 66-72.
[2]	黄五超, 韩玲, 黄勃学, 杨朝辉. 一种运用PCA的深度学习激光点云分类方法[J]. 计算机与现代化, 2021, 0(05): 31-37.
[3]	张文华，张志俊. 基于SVM的新能源公交车运营里程核查方法[J]. 计算机与现代化, 2020, 0(05): 39-.
[4]	商志根，段小汇. 基于PSO与LS-SVM的作物需水量预测[J]. 计算机与现代化, 2018, 0(10): 44-.
[5]	裴杰才，李志华，丁伟聪. 基于混合核函数PSO-SVM的模拟电路故障诊断[J]. 计算机与现代化, 2017, 0(1): 41-45+56.
[6]	裘锋. 检验检测机构远程监管信息系统[J]. 计算机与现代化, 2014, 0(1): 219-221.
[7]	宋晖;薛云;张良均. 基于SVM分类问题的核函数选择仿真研究[J]. 计算机与现代化, 2011, 1(8): 133-136.
[8]	刘德玲;朱克武. 超链接在VB编程中的实现及应用[J]. 计算机与现代化, 2010, 1(9): 122-124.
[9]	刘亚凤;杨晨;朱雪蕾. 基于MOSS 2007的网络办公协作平台系统[J]. 计算机与现代化, 2010, 1(01): 73-76.

一种结合专家信任的POI推荐算法

A POI Recommendation Algorithm Combined with Expert Trust

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 9

编辑推荐

Metrics

本文评价