基于位置社交網(wǎng)絡的地點推薦方法及應用研究.pdf

1、位置社交網(wǎng)絡的廣泛使用與其規(guī)模的不斷擴大使得地點推薦系統(tǒng)成為時下熱門應用之一。地點推薦系統(tǒng)即為用戶推薦那些他可能感興趣地點的系統(tǒng)，其中地點通常指真實存在于城市中的商家、機構以及公共場所等。利用位置社交網(wǎng)絡中的推薦系統(tǒng)，一方面，用戶可以探索城市，發(fā)現(xiàn)新奇有趣的商家與地點，并獲得豐富的生活體驗;另一方面，商家也可以利用該系統(tǒng)進行即時的廣告推送與商品營銷，從而提升利潤。
　　位置社交網(wǎng)絡中存在著豐富的多源異構信息，如社交網(wǎng)絡關系，包含經(jīng)

2、緯度的地理位置信息，用戶對商家的點評文本、評分以及相應的時間戳信息等。毋庸置疑，利用這些信息可以有效提升個性化地點推薦系統(tǒng)的準確性。然而，一些挑戰(zhàn)也隨之而來。首先，與傳統(tǒng)推薦系統(tǒng)相似，數(shù)據(jù)稀疏性帶來的冷啟動問題是地點推薦系統(tǒng)中不可回避的研究問題之一;其次，由于位置社交網(wǎng)絡所包含的豐富信息具有異構、多維度的特點，如何在模型中將一個或多個信息融合進來，也值得研究。為了解決上述問題，本文旨在進行基于位置社交網(wǎng)絡的地點推薦方法及其應用研究，即利

3、用位置社交網(wǎng)絡中的多源異構信息，對用戶訪問地點行為進行建模，預測用戶興趣偏好，從而為用戶個性化地推薦商家與地點。具體來說，本文的主要研究內(nèi)容、成果與創(chuàng)新點如下:
　　1)基于興趣圈中社交關系挖掘的地點推薦。依據(jù)社會學與社會心理學中的“趨同性”理論，用戶與其社交網(wǎng)絡中的好友有相似的興趣偏好，這為利用社交關系學習用戶的興趣提供了理論基礎。本工作依據(jù)該理論，將用戶按照其訪問地點的類別劃分到不同的興趣圈，在每個興趣圈中認為用戶受到好友與該

4、圈中的專家的共同作用與影響進而分別構建優(yōu)化函數(shù)的兩個正則化項，學習用戶興趣偏好。為此本工作設計出了一個基于興趣圈中社交關系挖掘的地點推薦算法，這個算法使用梯度下降方法來學習用戶的興趣偏好。在真實數(shù)據(jù)集上的實驗表明，我們的方法優(yōu)于已有的單純基于好友關系的推薦算法，特別在解決冷啟動問題時有很好的效果。
　　2)基于用戶比較評分行為建模的地點推薦。單個用戶對于多個商家的評分行為并非獨立存在，而是相互關聯(lián)和影響的，即用戶在某次評分行為時給

5、該商家所評分數(shù)是參照該用戶的歷史評分經(jīng)歷進行比較而得出的。本工作依據(jù)用戶評分行為的相對性、比較性與時效性等特點，利用了位置社交網(wǎng)絡中用戶的評分與相應的時間戳信息，對用戶評分行為進行建模，細致刻畫用戶的評分心理。本工作利用經(jīng)濟學中基于效用理論的選擇模型來構建優(yōu)化函數(shù)，并設計了一個基于集合輸入的隨機梯度下降算法來學習用戶的興趣偏好，最終利用該學習所得偏好為用戶進行地點推薦。該工作通過在兩個真實數(shù)據(jù)上的實驗，進一步驗證了我們方法的有效性。

6、r>　　3)基于用戶多角度興趣建模的地點推薦。不同用戶的興趣偏好有可能截然不同，即便是兩個對某一地點評分相同的用戶也有可能擁有不同的興趣偏好。這是由用戶興趣的多角度特性導致的，用數(shù)學語言描述，即用戶在多角度興趣上的數(shù)學分布不同。該工作基于此假設，利用點評文本信息與評分數(shù)據(jù)，將用戶在文本中反應出的顯式興趣與基于傳統(tǒng)隱因子模型表示出來的隱式興趣結合起來構建統(tǒng)一的效用函數(shù)，并使用該效用函數(shù)擬合評分數(shù)據(jù)，使用梯度下降算法學習在此基礎上構建出的損

7、失函數(shù)從而得出用戶的顯式與隱式興趣偏好，進而為用戶推薦地點與商家。該工作在兩個真實的數(shù)據(jù)集上開展實驗，實驗結果表明我們的方法優(yōu)于目前已有的方法，并在一定程度上解決了冷啟動問題。此外，基于該研究理論工作我們開發(fā)了一款手機APP，為用戶推薦各個興趣方面的商家，該應用在可視化等方面有良好的展示效果。
　　4)基于多源信息融合建模的地點推薦。位置社交網(wǎng)絡中包含豐富的多源異構信息，通過挖掘這些信息，可以提高地點推薦系統(tǒng)的準確性。本工作針對社