论文部分内容阅读
在位置推荐中用户签到数据具有稀疏性的特点,基于用户的协同过滤算法难以准确搜索邻近用户,从而影响推荐效果。针对该问题,分别将用户签到的时间信息与空间信息融入用户相似度计算中,提出考虑用户时空相似性的位置推荐算法。根据时间对用户签到行为的周期性影响,通过对用户签到矩阵按时间进行分割引入时间属性,设计一种时间相似性计算方法,并根据时间相似性对用户-地点-时间矩阵进行填补,缓解因时间分割导致的用户-地点-时间矩阵高稀疏问题。基于用户签到行为的空间聚集性,通过多中心聚类算法发现用户签到的活跃区域,结合用户对活跃区域