融合时空-社交-顺序影响的多维兴趣点推荐

摘要： 现有的兴趣点推荐方法忽略了不同上下文因素之间的内在联系，导致上下文因素未能得到充分利用，为此提出一种融合时空-社交-顺序影响的多维兴趣点推荐算法。根据用户的时间状态和活动轨迹刻画用户的活动区域，探索用户的时间偏好程度和活动轨迹相似度；利用高斯分布模型评估用户的地理偏好程度，使用马尔科夫链算法预测用户访问下一个兴趣点的概率。实验结果表明，该算法优于其它算法。 （共8页）