本文關(guān)鍵詞：基于位置的社交網(wǎng)絡(luò)推薦算法研究

  更多相關(guān)文章： 社交網(wǎng)絡(luò) 用戶推薦 位置推薦 地理位置

【摘要】：移動終端的普及和流行使得用戶借助GPS的定位服務(wù)越來越成為趨勢。用戶不僅可以在線上進行網(wǎng)絡(luò)交流,也可以由線上發(fā)展具體地理位置的線下社群進行社交網(wǎng)絡(luò)。這種把地理位置信息與社交關(guān)系信息相融合的網(wǎng)絡(luò)被稱之為基于地理位置的社交網(wǎng)絡(luò)。在基于地理位置的社交網(wǎng)絡(luò)之中,推薦功能能夠為用戶提供實時的信息推送,借助于推薦功能,可以實現(xiàn)對于用戶好友推薦以及用戶感興趣地理位置的推薦。還可以為特定區(qū)域內(nèi)的用戶推薦該區(qū)域內(nèi)的活動,為現(xiàn)實中的商家?guī)頋撛诘睦麧?因此社交網(wǎng)絡(luò)中的推薦功能引起了國內(nèi)外研究人員的極大關(guān)注。對與LBSN中的推薦算法的研究主要分為用戶推薦以及地理位置推薦兩部分內(nèi)容。在基于位置的社交網(wǎng)絡(luò)推薦中,最為關(guān)鍵的是用戶模型的建立,因為這直接關(guān)系到推薦方向的走向。在本文中,將原始的GPS數(shù)據(jù)集進行預(yù)處理,將這些坐標(biāo)值進一步轉(zhuǎn)換成具有語義意義的數(shù)據(jù)集,然后進行K中心點的聚類,完成用戶模型的建立。借助于所建立的數(shù)據(jù)模型,綜合用戶經(jīng)驗值以及位置流行度,建立一個合理的社交網(wǎng)絡(luò)與現(xiàn)實世界之間的管理關(guān)系。通過這個用戶模型來進一步完成用戶推薦模型與位置推薦模型的建立,完成對用戶推薦算法以及位置推薦算法的改進。本文主要提出了新的建立用戶模型的方法,并且基于內(nèi)容和項目的協(xié)同過濾算法改進用戶相似性、位置偏好度,形成輸出為用戶和位置的推薦算法。本文還針對所提出的算法進行了一系列測試,其實驗結(jié)果表明本文所提出的算法能夠?qū)崿F(xiàn)對用戶好友以及位置的準(zhǔn)確性推薦。
【關(guān)鍵詞】：社交網(wǎng)絡(luò) 用戶推薦 位置推薦 地理位置
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.3
【目錄】：

• 摘要4-5
• Abstract5-10
• 第1章 緒論10-19
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-16
• 1.2.1 用戶感興趣的位置推薦12-14
• 1.2.2 用戶推薦14-15
• 1.2.3 活動推薦及社交媒體推薦15-16
• 1.3 本文主要研究內(nèi)容16-17
• 1.4 本文組織結(jié)構(gòu)17-18
• 1.5 本章小結(jié)18-19
• 第2章 相關(guān)理論概述19-31
• 2.1 基于位置的社交網(wǎng)絡(luò)19-24
• 2.1.1 在線社交網(wǎng)絡(luò)19-21
• 2.1.2 基于位置的服務(wù)21-23
• 2.1.3 基于位置的社交網(wǎng)絡(luò)的層次結(jié)構(gòu)23-24
• 2.2 推薦算法概述24-27
• 2.2.1 基于內(nèi)容的推薦24-25
• 2.2.2 基于協(xié)同過濾的推薦25-27
• 2.3 其他相關(guān)概念27-30
• 2.3.1 推薦效果的度量方法27-29
• 2.3.2 聚類方法29-30
• 2.4 本章小結(jié)30-31
• 第3章 用戶模型的建立31-42
• 3.1 用戶停留點軌跡的建立31-35
• 3.1.1 用戶停留點的獲取31-34
• 3.1.2 用戶停留點的特征向量計算34-35
• 3.2 用戶位置軌跡的建立35-39
• 3.2.1 提取位置信息35-38
• 3.2.2 計算位置特征信息38-39
• 3.3 用戶經(jīng)驗值以及位置流行度計算39-41
• 3.4 本章小結(jié)41-42
• 第4章 LBSN用戶與位置的推薦研究42-51
• 4.1 用戶推薦模型研究42-45
• 4.1.1 用戶推薦算法的基本思想42-43
• 4.1.2 用戶相似度計算43
• 4.1.3 用戶推薦算法43-45
• 4.2 位置推薦模型研究45-50
• 4.2.1 基于位置偏好度推薦46-48
• 4.2.2 基于用戶信任度和興趣度推薦48-50
• 4.3 本章小結(jié)50-51
• 第5章 推薦算法的測試51-55
• 5.1 測試數(shù)據(jù)51
• 5.2 用戶推薦實驗51-53
• 5.2.1 實驗過程51-52
• 5.2.2 算法比較和分析52-53
• 5.3 位置推薦實驗53-54
• 5.3.1 實驗過程53-54
• 5.3.2 算法比較和分析54
• 5.4 本章小結(jié)54-55
• 第6章 結(jié)論與展望55-56
• 參考文獻56-62
• 致謝62-63
• 作者簡介63

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 徐義峰;徐云青;劉曉平;;一種基于時間序列性的推薦算法[J];計算機系統(tǒng)應(yīng)用;2006年10期

2 余小鵬;;一種基于多層關(guān)聯(lián)規(guī)則的推薦算法研究[J];計算機應(yīng)用;2007年06期

3 張海玉;劉志都;楊彩;賈松浩;;基于頁面聚類的推薦算法的改進[J];計算機應(yīng)用與軟件;2008年09期

4 張立燕;;一種基于用戶事務(wù)模式的推薦算法[J];福建電腦;2009年03期

5 王晗;夏自謙;;基于蟻群算法和瀏覽路徑的推薦算法研究[J];中國科技信息;2009年07期

6 周珊丹;周興社;王海鵬;倪紅波;張桂英;苗強;;智能博物館環(huán)境下的個性化推薦算法[J];計算機工程與應(yīng)用;2010年19期

7 王文;;個性化推薦算法研究[J];電腦知識與技術(shù);2010年16期

8 張愷;秦亮曦;寧朝波;李文閣;;改進評價估計的混合推薦算法研究[J];微計算機信息;2010年36期

9 夏秀峰;代沁;叢麗暉;;用戶顯意識下的多重態(tài)度個性化推薦算法[J];計算機工程與應(yīng)用;2011年16期

10 楊博;趙鵬飛;;推薦算法綜述[J];山西大學(xué)學(xué)報(自然科學(xué)版);2011年03期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王韜丞;羅喜軍;杜小勇;;基于層次的推薦:一種新的個性化推薦算法[A];第二十四屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2007年

2 唐燦;;基于模糊用戶心理模式的個性化推薦算法[A];2008年計算機應(yīng)用技術(shù)交流會論文集[C];2008年

3 秦國;杜小勇;;基于用戶層次信息的協(xié)同推薦算法[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 周玉妮;鄭會頌;;基于瀏覽路徑選擇的蟻群推薦算法:用于移動商務(wù)個性化推薦系統(tǒng)[A];社會經(jīng)濟發(fā)展轉(zhuǎn)型與系統(tǒng)工程——中國系統(tǒng)工程學(xué)會第17屆學(xué)術(shù)年會論文集[C];2012年

5 蘇日啟;胡皓;汪秉宏;;基于網(wǎng)絡(luò)的含時推薦算法[A];第五屆全國復(fù)雜網(wǎng)絡(luò)學(xué)術(shù)會議論文（摘要）匯集[C];2009年

6 梁莘q，

本文編號：986084