在位置推荐中利用多方面时间相关影响
计算机与社会
2017-01-04 v1 信息检索
摘要
兴趣点（POI）推荐旨在挖掘用户的访问历史并发现其潜在偏好的地点。尽管位置推荐方法已得到广泛的研究与改进，但在利用包括时间因素在内的各种影响方面仍存在挑战。受时间包含众多粒度时间槽（如分钟、小时、天、周等）这一事实的启发，本文定义了一个新问题，即通过利用所有多样化时间因素来执行推荐。具体而言，我们认为大多数现有方法仅关注有限数量的时间相关特征而忽略了其他特征。此外，在推荐中考虑特定粒度（如一天中的时间）并不总是适用于每个用户或每个数据集。为了应对这些挑战，我们提出了一种名为多方面时间相关影响（MATI）的概率生成模型，以促进 POI 推荐。我们还开发了一种基于期望最大化（EM）的新型优化算法。我们的 MATI 模型首先利用用户在基于位置的社交网络（LBSNs）中的签到记录检测其时间多元取向。然后利用用户与候选位置之间的时间相关性进行推荐。我们的方法适用于各种类型的推荐系统，并能在多种时间尺度下高效工作。在两个大规模 LBSN 数据集上的大量实验结果验证了我们的方法相对于其他竞争方法的有效性。
引用
@article{arxiv.1701.00595,
title = {Leveraging Multi-aspect Time-related Influence in Location Recommendation},
author = {Saeid Hosseini and Hongzhi Yin and Xiaofang Zhou and Shazia Sadiq},
journal= {arXiv preprint arXiv:1701.00595},
year = {2017}
}