论文部分内容阅读
随着移动互联网的迅速发展,社交服务也快速地向移动终端发展,从而出现了大量的具有基于位置服务特性的移动社交应用。为满足上述需求,本文提出了一种基于位置服务的个性化推荐算法,该算法分为两大部分,第一部分是用户定位,第二部分是产生推荐。对于定位部分,本文算法综合了基站定位精度低,速度快的特点,以及GPS卫星定位精度高,速度慢的特点,提出了一个带有缓存机制的定位算法,能够较为精确且迅速地确定用户所在的经纬度。对于推荐部分,本文算法首先利用用户的距离将用户进行聚类,从而提高算法的效率,然后计算用户的兴趣相似性、好友关系相似性以及距离相似性,并将这三个相似性加权综合得出用户的综合相似性。根据综合相似性得出两个推荐集:基于内容的推荐集和基于协同过滤的推荐集,最后使用组合推荐的方法,加权综合这两个推荐集得出最终返回给用户的推荐集。最后用实验方法对本文算法与传统的基于用户的推荐算法以及基于协同过滤推荐算法进行了比较,实验结果表明本文的基于位置服务的个性化推荐算法比传统的基于内容的推荐算法或基于协同过滤的推荐算法更优。通过对实验数据的分析,本文算法综合了用户的兴趣,用户的好友关系及用户的位置特性,能更准确地计算用户的相似度,从而提高了推荐的质量。