基于用户时空相似性的位置推荐算法
来源：计算机工程杂志2018年第7期北京时间：
作者：蒋翠清,疏得友,段锐
单位：合肥工业大学 管理学院,合肥 230009
摘要：在位置推荐中用户签到数据具有稀疏性的特点,基于用户的协同过滤算法难以准确搜索邻近用户,从而影响推荐效果。针对该问题,分别将用户签到的时间信息与空间信息融入用户相似度计算中,提出考虑用户时空相似性的位置推荐算法。根据时间对用户签到行为的周期性影响,通过对用户签到矩阵按时间进行分割引入时间属性,设计一种时间相似性计算方法,并根据时间相似性对用户-地点-时间矩阵进行填补,缓解因时间分割导致的用户-地点-时间矩阵高稀疏问题。基于用户签到行为的空间聚集性,通过多中心聚类算法发现用户签到的活跃区域,结合用户对活跃区域的偏好以及未签到地点与活跃区域中心的距离,计算用户的空间相似性。在Foursquare数据集上的实验结果表明,与传统基于用户的协同过滤算法相比,该方法在准确率、召回率与F1-Measure评估值方面性能均有所提高。
关键词：基于位置的社交网络,位置推荐,协同过滤,时空相似性,用户偏好
基金资助：国家自然科学基金(71571059)。
