多因素融合的个性化位置推荐算法研究

《多因素融合的个性化位置推荐算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：TP301.6密级：公开研究生学位论文论文题目（中文）多因素融合的个性化位置推荐算法研究TheStudyofPersonalizedLocation论文题目（外文）RecommendationAlgorithmBasedontheIntegrationofMulti-Factor研究生姓名马慧怡学科、专业计算机科学与技术·计算机系统结构研究方向推荐系统、数据挖掘学位级别硕士导师姓名、职称张瑞生教授论文工作起止年月2014年9月至2016年5月论文提交日期2016年4月论文答辩日期2016年5月学位授予日期201

2、6年6月校址：甘肃省兰州市原创性声明本人郑重声明：本人所呈交的学位论文，是在导师的指导下独立进行研究所取得的成果。学位论文中凡引用他人已经发表或未发表的成果、数据、观点等，均已明确注明出处。除文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究成果做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名：日期：关于学位论文使用授权的声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属兰州大学。本人完全了解兰州大学有关保存、使用学位论文的

3、规定，同意学校保存或向国家有关部门或机构送交论文的纸质版和电子版，允许论文被查阅和借阅；本人授权兰州大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存和汇编本学位论文。本人离校后发表、使用学位论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为兰州大学。本学位论文研究内容：□可以公开□不宜公开，已在学位办公室办理保密申请，解密后适用本授权书。（请在以上选项内选择其中一项打“√”）论文作者签名：导师签名：日期：日期：多因素融合的个性化位置推荐算法研究中文摘要随着在线社交网络的迅速

4、发展，朋友之间能够更加方便的分享图片、文档、视频等。基于位置的社交网络是在传统在线社交网络中增添位置因素，使得用户能够方便地共享嵌入位置的信息。然而，面临浩瀚的信息资源，如何从中找到自己感兴趣的信息是非常困难的。不同的用户有不同的需求，对位置信息的感兴趣程度也不尽相同。个性化的推荐算法可以挖掘用户的兴趣，进而帮助用户自动地选择感兴趣的信息，在基于位置的社交网络中变得越来越重要。目前，针对基于位置的社交网络推荐的研究，主要包括位置推荐、用户推荐、活动推荐以及社交媒体推荐。其中，位置推荐已经成为了最近研究的一个重点。本文以

5、签到型社交网站中的用户签到数据为研究对象，对用户的移动行为进行研究，得到了影响用户移动行为的主要因素。探究了社会关系对用户移动行为的影响，并从空间地理位置角度研究了用户签到位置和常居地的距离与其社会关系之间的联系。在此基础上，结合地理位置信息和用户关系，根据得到的影响用户移动行为的主要因素，提出了一种多因素融合的个性化位置推荐算法。该算法有效地融合了用户偏好信息、社会关系影响、用户当前位置以及时间间隔等多种因素，能够提高位置推荐的准确性。本文将提出的算法与现有典型位置推荐算法进行对比后发现，本文的算法在实验参数设定以及

6、推荐结果上都要优于原有的位置推荐算法，不仅充分考虑了用户的移动行为，而且适应用户的当前位置，能够预测用户未来的活动，可以更好地进行个性化位置推荐。关键词：基于位置的社交网络，推荐系统，位置推荐，多因素ITheStudyofPersonalizedLocationRecommendationAlgorithmBasedontheIntegrationofMulti-FactorAbstractWiththerapiddevelopmentoftheonlinesocialnetworks,userscaneasilysh

7、arephotos,documents,videosandsoon.Location-basedsocialnetworksaddthelocationdimensionbasedontraditionalonlinesocialnetworks,whichcanenableuserstosharetheembeddedlocationinformation.However,itisverydifficulttofindtheinformationthatusersareinterestedinfromthevasti

8、nformation.Differentusershavedifferentneeds,thedegreeofinterestforlocationinformationarealsodifferent.Personalizedrecommendationalgorithmscandigouttheinterestbasedonu