融合时间序列的POI动态推荐算法

摘要 兴趣点（POI）的签到数据体现了用户的偏好和兴趣点的分布特征，这在兴趣点推荐领域有极为重要的价值.为了缓解数据稀疏造成的推荐不准确等问题，本文提出了融合时间序列的POI动态推荐算法，结合用户与用户之间的关系、兴趣点位置以及流行度信息等.首先划分时间序列，得到时间因子的相似度；其次时间序列融入到基于用户的协同过滤算法，再根据时间的连续性特征得到基于用户的预测评分，然后将地理影响因子与基于时间的流行度信息结合，预测用户的评分，进而与基于用户的评分加权融合；最后，在Gowalla数据集上进行实验，结果表明，本文提出的融合时间序列的POI动态推荐算法能够有效减小推荐误差，提高推荐精度与召回率