為了使興趣點推薦越來越智能化,增加人們對推薦結(jié)果的滿意度,越來越多的學(xué)者對興趣點推薦算法進行了研究�，F(xiàn)有的興趣點推薦算法,由于沒有全面考慮影響用戶評分的因素,使得在分析用戶對興趣點的喜愛程度時存在偏差.更重要的是大多數(shù)學(xué)者都沒有對用戶的評價進行分析。由于用戶的評價內(nèi)容能夠反映用戶喜歡的興趣點特征,所以忽略用戶的評價內(nèi)容,不利于分析用戶喜歡的興趣特征,而且會影響推薦的結(jié)果。針對此現(xiàn)狀,本文對好友的評價內(nèi)容進行情感分析,分析出用戶喜歡的興趣點特征,并提出了基于好友評價的分值預(yù)測算法。根據(jù)影響因素的類型對用戶評分進行建模,減小評分的偏差。通過將評分和評價進行融合,提出了一種融合好友評分和評價的興趣點推薦算法,為用戶推薦未去過且可能有較高意愿的興趣點,具體工作如下:一、提出了一種基于好友評價的分值預(yù)測算法。由于用戶簽到的隨機性,本文通過地點信息熵來篩選用戶的興趣好友。通過將興趣好友的興趣點集合與用戶的進行對比,篩選出時間閾值內(nèi)好友可能為用戶推薦的興趣點。通過分詞技術(shù)對好友的評價進行分詞處理,利用主題模型的思想,對評價內(nèi)容由特征詞到特征面的情感分析,考慮了好友對興趣點特征面的關(guān)注度,對好友的評價... 

【文章來源】：遼寧大學(xué)遼寧省 211工程院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

本文主要研究內(nèi)容圖

2.1 相關(guān)理論知識在這一小節(jié)，將主要介紹 LBSN 的定義、LDA 主題模型的定義、用戶專家的定義和各個專有名詞的定義。2.1.1 LBSN 的定義定義 2.1 LBSN[34-35]：將位置信息融入到社交網(wǎng)絡(luò)中去，通過社交網(wǎng)絡(luò)進行相互交互，能夠?qū)⑻摂M網(wǎng)絡(luò)與現(xiàn)實生活聯(lián)系起來。通過用戶的簽到信息能夠分析用戶的活動規(guī)律，通過用戶對興趣點的評分和評價信息，能夠挖掘出用戶對興趣點的喜愛程度。通過用戶之間簽到信息，能夠分析出用戶的興趣點信息熵能夠擬合出用戶與用戶之間是否具有共同興趣愛好。LBSN 框架可以通過時間因素進行串聯(lián)，通過用戶與好友、用戶與興趣點、興趣點與地理位置等三層網(wǎng)絡(luò)關(guān)系進行表示[36]，如圖 2-1 所示。

用戶評分實例圖


本文編號：3553468