计算机工程

作者：张岐山, 李可, 林小榕

单位：1. 福州大学 经济与管理学院, 福州 350108;2. 北京交通大学 下一代互联网互联设备国家工程实验室, 北京 100044

关键词：基于位置的社交网络,时间信息,地理位置信息,矩阵填充,矩阵分解,实时推荐,兴趣点

基金：国家自然科学基金（61300104）；福建省自然科学基金（2018J01791）。

在基于位置的社交网络中，兴趣点实时推荐数据和用户签到数据存在高稀疏性问题。提出一种基于时间效应的混合推荐模型。通过用户潜在兴趣点数据模型计算用户时间行为影响分数和地理位置影响分数，并用线性统一模型进行处理，选取Top S个兴趣点作为用户的潜在兴趣点。将用户的潜在签到记录引入基于时间效应的矩阵分解模型中，考虑时间差异性和连续性对推荐结果的影响，在此基础上进行优化求解，提出推荐策略。实验结果表明，与LRT模型、UTE+SE模型相比，该模型的推荐效果较好，其准确率和召回率最高可达0.103 4和0.111 8。

来源：2019年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2019年第8期