随着GPS设备(如智能手机、GPS导航仪、GPS记录仪等)的广泛应用,其产生的位置信息也越来越多。基于位置的社交网络(Location-Based Social Networks,LBSNs)推荐系统受到了更多的关注。旅游行程推荐是LBSNs中非常热门的研究课题之一,但是...随着GPS设备(如智能手机、GPS导航仪、GPS记录仪等)的广泛应用,其产生的位置信息也越来越多。基于位置的社交网络(Location-Based Social Networks,LBSNs)推荐系统受到了更多的关注。旅游行程推荐是LBSNs中非常热门的研究课题之一,但是现有研究主要侧重向单个用户推荐旅游行程,缺乏向群体推荐行程的工作。因此提出了一种LBSNs中的群体行程推荐方法。该方法首先根据用户的签到记录,使用K-means和谱聚类方法挖掘用户群体及其偏好;然后综合考虑群体对行程的时间和价格的约束,设计了行程推荐算法向群体用户推荐符合其偏好的旅游行程;最后,使用新浪微博用户的真实签到记录进行实验分析,结果表明所提出的群体行程推荐方法具有良好效果。展开更多
在基于位置社交网络(Location-based Social Network,LBSNs)的服务中,有效的兴趣点(Point-of-Interest,POI)推荐具有极大的经济和社会效用,但如何深入理解LBSN中的位置、结构和行为等相关信息,并进行推理以及实现POI推荐仍然是一项挑战...在基于位置社交网络(Location-based Social Network,LBSNs)的服务中,有效的兴趣点(Point-of-Interest,POI)推荐具有极大的经济和社会效用,但如何深入理解LBSN中的位置、结构和行为等相关信息,并进行推理以及实现POI推荐仍然是一项挑战性任务。针对LBSNs中的多种异构数据,提出了一种能够挖掘用户社交和POI多种特征信息的用于POI推荐的图神经网络模型——POIR-GAT。首先POIR-GAT利用社交关系构建用户-用户图,并结合用户-POI交互图共同抽取用户特征向量;其次,基于POI的不同地理特征构造不同的特征矩阵,并通过矩阵分解获得不同的潜在因子,将这些潜在因子融入POI的特征向量,以学习它们对用户行为的共同影响,并用于实现融合社交因素和POI特征的推荐模型。通过在2个公开数据集上进行的实验,验证了所提POIR-GAT模型可以有效融合用户社交信息和POI特征信息,提高POI推荐质量。展开更多
随着智能移动设备的发展和普及,空间定位技术不断成熟,基于位置的社交网络(Location-based Social Network,LBSN)得到了广泛应用。大量用户在LBSN签到,以及针对签到进行的评论不仅记录了用户的时空行为轨迹,也为研究用户行为模式和特征...随着智能移动设备的发展和普及,空间定位技术不断成熟,基于位置的社交网络(Location-based Social Network,LBSN)得到了广泛应用。大量用户在LBSN签到,以及针对签到进行的评论不仅记录了用户的时空行为轨迹,也为研究用户行为模式和特征偏好提供了巨大的机会。提出一种基于LBSN签到数据的商业店铺选址推荐系统,首先分析用户在LBSN上的签到时间、签到地点、签到商铺类型3个方面的特征;然后提出4个影响商铺选址的因素:多样性、竞争性、相关性和客流性;最后实现商业选址推荐系统,并根据选址因素生成最优候选。并以此为基础进行相关实验来验证推荐结果,结果符合相关预期。展开更多
利用用户生成短文本(User Generated Short Text,UGST)推测用户的细粒度位置对基于位置服务的应用有重要的意义。现有的细粒度位置推测方法较少引入UGST中的语义信息,且未考虑UGST中语义实体的权重,因此性能较低。针对这些问题,提出了...利用用户生成短文本(User Generated Short Text,UGST)推测用户的细粒度位置对基于位置服务的应用有重要的意义。现有的细粒度位置推测方法较少引入UGST中的语义信息,且未考虑UGST中语义实体的权重,因此性能较低。针对这些问题,提出了一种基于位置社交网络(Location-based Social Network,LBSN)的UGST细粒度位置推测方法。该方法包括如下3个过程:1)使用Foursquare中的UGST构建实体和位置之间的关联模型,以解决位置标记稀疏问题;2)判断待推测位置的UGST中是否含有位置信息,过滤不包含任何位置语义信息的UGST,以消除噪声短文本的干扰;3)根据UGST内容推测可能的候选位置,并对每个候选位置进行排名,选择排名最靠前的位置作为推测位置。实验结果验证了所提方法的有效性。展开更多
近年来,随着GPS定位技术的快速发展和智能终端设备的广泛使用,基于位置的社交网络(Location-Based Social Networks,LBSNs)吸引了越来越多的用户。基于位置的社交网络为学者提供了新的研究方向,其中LBSNs中的推荐系统是近年来一个非常...近年来,随着GPS定位技术的快速发展和智能终端设备的广泛使用,基于位置的社交网络(Location-Based Social Networks,LBSNs)吸引了越来越多的用户。基于位置的社交网络为学者提供了新的研究方向,其中LBSNs中的推荐系统是近年来一个非常热门的研究方向。本文主要介绍目前LBSNs推荐系统中推荐的内容及用到的方法,为未来深入研究LBSNs中的推荐系统奠定基础。展开更多
近年来,以微博、微信朋友圈、Foursquare、Gowalla、Facebook Place等基于位置的社交网络(Location Based Social Network,LBSN)得到迅速发展,庞大的用户群体每天都会通过这些服务产生大量的签到数据,这些异构的网络数据为研究用户的行...近年来,以微博、微信朋友圈、Foursquare、Gowalla、Facebook Place等基于位置的社交网络(Location Based Social Network,LBSN)得到迅速发展,庞大的用户群体每天都会通过这些服务产生大量的签到数据,这些异构的网络数据为研究用户的行为特征及潜在特征提供巨大的机遇与挑战。然而现有研究少有对LBSN签到数据进行具体描述与分析,以服务于兴趣点推荐为最终目的,利用Foursquare、Gowalla数据集从用户签到轨迹、用户签到频次、用户签到位置3个方面对用户签到数据进行分析、可视化,探索了用户签到数据中存在的空间特征及个性化行为。展开更多
文摘随着GPS设备(如智能手机、GPS导航仪、GPS记录仪等)的广泛应用,其产生的位置信息也越来越多。基于位置的社交网络(Location-Based Social Networks,LBSNs)推荐系统受到了更多的关注。旅游行程推荐是LBSNs中非常热门的研究课题之一,但是现有研究主要侧重向单个用户推荐旅游行程,缺乏向群体推荐行程的工作。因此提出了一种LBSNs中的群体行程推荐方法。该方法首先根据用户的签到记录,使用K-means和谱聚类方法挖掘用户群体及其偏好;然后综合考虑群体对行程的时间和价格的约束,设计了行程推荐算法向群体用户推荐符合其偏好的旅游行程;最后,使用新浪微博用户的真实签到记录进行实验分析,结果表明所提出的群体行程推荐方法具有良好效果。
文摘在基于位置社交网络(Location-based Social Network,LBSNs)的服务中,有效的兴趣点(Point-of-Interest,POI)推荐具有极大的经济和社会效用,但如何深入理解LBSN中的位置、结构和行为等相关信息,并进行推理以及实现POI推荐仍然是一项挑战性任务。针对LBSNs中的多种异构数据,提出了一种能够挖掘用户社交和POI多种特征信息的用于POI推荐的图神经网络模型——POIR-GAT。首先POIR-GAT利用社交关系构建用户-用户图,并结合用户-POI交互图共同抽取用户特征向量;其次,基于POI的不同地理特征构造不同的特征矩阵,并通过矩阵分解获得不同的潜在因子,将这些潜在因子融入POI的特征向量,以学习它们对用户行为的共同影响,并用于实现融合社交因素和POI特征的推荐模型。通过在2个公开数据集上进行的实验,验证了所提POIR-GAT模型可以有效融合用户社交信息和POI特征信息,提高POI推荐质量。
文摘随着智能移动设备的发展和普及,空间定位技术不断成熟,基于位置的社交网络(Location-based Social Network,LBSN)得到了广泛应用。大量用户在LBSN签到,以及针对签到进行的评论不仅记录了用户的时空行为轨迹,也为研究用户行为模式和特征偏好提供了巨大的机会。提出一种基于LBSN签到数据的商业店铺选址推荐系统,首先分析用户在LBSN上的签到时间、签到地点、签到商铺类型3个方面的特征;然后提出4个影响商铺选址的因素:多样性、竞争性、相关性和客流性;最后实现商业选址推荐系统,并根据选址因素生成最优候选。并以此为基础进行相关实验来验证推荐结果,结果符合相关预期。
文摘利用用户生成短文本(User Generated Short Text,UGST)推测用户的细粒度位置对基于位置服务的应用有重要的意义。现有的细粒度位置推测方法较少引入UGST中的语义信息,且未考虑UGST中语义实体的权重,因此性能较低。针对这些问题,提出了一种基于位置社交网络(Location-based Social Network,LBSN)的UGST细粒度位置推测方法。该方法包括如下3个过程:1)使用Foursquare中的UGST构建实体和位置之间的关联模型,以解决位置标记稀疏问题;2)判断待推测位置的UGST中是否含有位置信息,过滤不包含任何位置语义信息的UGST,以消除噪声短文本的干扰;3)根据UGST内容推测可能的候选位置,并对每个候选位置进行排名,选择排名最靠前的位置作为推测位置。实验结果验证了所提方法的有效性。
文摘近年来,随着GPS定位技术的快速发展和智能终端设备的广泛使用,基于位置的社交网络(Location-Based Social Networks,LBSNs)吸引了越来越多的用户。基于位置的社交网络为学者提供了新的研究方向,其中LBSNs中的推荐系统是近年来一个非常热门的研究方向。本文主要介绍目前LBSNs推荐系统中推荐的内容及用到的方法,为未来深入研究LBSNs中的推荐系统奠定基础。
文摘近年来,以微博、微信朋友圈、Foursquare、Gowalla、Facebook Place等基于位置的社交网络(Location Based Social Network,LBSN)得到迅速发展,庞大的用户群体每天都会通过这些服务产生大量的签到数据,这些异构的网络数据为研究用户的行为特征及潜在特征提供巨大的机遇与挑战。然而现有研究少有对LBSN签到数据进行具体描述与分析,以服务于兴趣点推荐为最终目的,利用Foursquare、Gowalla数据集从用户签到轨迹、用户签到频次、用户签到位置3个方面对用户签到数据进行分析、可视化,探索了用户签到数据中存在的空间特征及个性化行为。
