融合时间特征和协同过滤的兴趣点推荐算法

摘要 基于位置社交网络中的兴趣点推荐对用户和商家具有重要的现实意义.为全面分析签到数据的特征和提高兴趣点推荐的精度，本文提出融合时间特征和协同过滤的兴趣点推荐算法.首先利用基于位置社交网络中大量的签到数据，提取用户签到的相似性特征以及时间的差异性、连续性特征.在此基础上，利用相似性特征进行用户过滤，然后采用基于连续时间槽的余弦相似度计算用户间的相似度，最后给出时间特征和协同过滤的兴趣点推荐算法，该算法采用连续时间槽的平滑技术解决数据稀疏问题.实验表明，与已有同类算法相比，本文提出的兴趣点推荐算法能够提高推荐精度和召回率，同时减少计算的开销