论文部分内容阅读
针对位置社交网络(location-based social networks,LBSN)中连续兴趣点(point-of-interest,POI)推荐系统面临的数据稀疏性、签到数据的隐式反馈属性、用户的个性化偏好等挑战,提出一种融合时空信息的连续兴趣点推荐算法。该算法将用户的签到行为建模为用户—当前兴趣点—下一个兴趣点—时间段的四阶张量,并利用LBSN中的地理信息定义用户访问兴趣点的地理距离偏好,最后采用BPR(Bayesian personalized ranking)标准优化目标函数。实验结果