融合時(shí)空-社交-順序影響的多維興趣點(diǎn)推薦

摘要： 現(xiàn)有的興趣點(diǎn)推薦方法忽略了不同上下文因素之間的內(nèi)在聯(lián)系，導(dǎo)致上下文因素未能得到充分利用，為此提出一種融合時(shí)空-社交-順序影響的多維興趣點(diǎn)推薦算法。根據(jù)用戶的時(shí)間狀態(tài)和活動(dòng)軌跡刻畫用戶的活動(dòng)區(qū)域，探索用戶的時(shí)間偏好程度和活動(dòng)軌跡相似度；利用高斯分布模型評估用戶的地理偏好程度，使用馬爾科夫鏈算法預(yù)測用戶訪問下一個(gè)興趣點(diǎn)的概率。實(shí)驗(yàn)結(jié)果表明，該算法優(yōu)于其它算法。 （共8頁）