无线通信网络以及手持终端设备飞速发展,使用基于位置的社交网络(Location-Based Social Network)应用的用户越来越多,用户通过签到行为可以报告自己签到位置的信息。这些签到信息下面,隐藏着用户的日常行动轨迹,用户所偏好的兴趣点(Poi...
无线通信网络以及手持终端设备飞速发展,使用基于位置的社交网络(Location-Based Social Network)应用的用户越来越多,用户通过签到行为可以报告自己签到位置的信息。这些签到信息下面,隐藏着用户的日常行动轨迹,用户所偏好的兴趣点(Point of Interests)等等。因此,利用用户的历史签到以及社交网络信息等数据为用户推荐新的可能感兴趣的位置是可以被实现的。目前的推荐系统多数是利用用户评分数据为其进行物品推荐,或利用GPS定位轨迹等数据进行位置推荐。而同时利用社交网络及位置信息进行推荐的算法并不多,其中,并行化的推荐算法更是不多见。因此,本文提出了一种基于位置和朋友关系的协同过滤算法(Location-Friendship based Collaborative Filtering,LFBCF),同时利用用户过去的签到行为,用户签到位置的地理信息,用户间的社交关系数据来提高位置推荐算法的准确率。为了支持大数据量的实验,将算法在Spark分布式计算平台上进行了并行化实现。研究过程中使用了Gowalla和Brightkite这两个基于位置的社会化网络数据集,并对其进行了一系列的分析来支持本文提出的算法。而且通过在数据集上进行实验,也证明了本文提出的算法在准确率上优于传统的利用社交网络的推荐算法。
暂无评论