融合時空-社交-順序影響的多維興趣點推薦

摘要： 現有的興趣點推薦方法忽略了不同上下文因素之間的內在聯(lián)系，導致上下文因素未能得到充分利用，為此提出一種融合時空-社交-順序影響的多維興趣點推薦算法。根據用戶的時間狀態(tài)和活動軌跡刻畫用戶的活動區(qū)域，探索用戶的時間偏好程度和活動軌跡相似度；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測用戶訪問下一個興趣點的概率。實驗結果表明，該算法優(yōu)于其它算法。 （共8頁）