混合时空和流行度特征的兴趣点推荐算法
来源：计算机工程杂志2018年第9期北京时间：
作者：吴燕,章韵,陈双双
单位：南京邮电大学 计算机学院,南京 210003
摘要：兴趣点推荐有助于用户发现所需位置,但现有推荐算法的精确率较低。为此,提出一种融合时空与流行度特征的个性化兴趣点推荐算法。在基于用户的协同过滤算法中融入时间特征,将基于时间因素的兴趣点流行度估算与空间特征相结合,分别给出相应的估算方法并进行线 性组合,从而得到基于联合框架的兴趣点推荐算法。实验结果表明,相比U、UTF、U+SB算法,该推荐算法能够有效提升推荐精确率和召回率。
关键词：兴趣点推荐,协同过滤,时间特征,空间特征,流行度
