基于用户活动中心的社交影响利用用于兴趣点推荐
信息检索
2022-01-11 v1 人工智能
摘要
推荐系统（Recommender Systems, RSs）旨在对用户与物品（如兴趣点（Points of Interest, POIs））交互时的偏好进行建模与预测。这些系统面临若干挑战，例如数据稀疏性限制了其有效性。本文通过将社交、地理与时间信息纳入矩阵分解（Matrix Factorization, MF）技术来解决该问题。为此，我们基于两个因素对社交影响进行建模：用户间共同签到的相似度以及它们之间的好友关系。我们基于显式好友网络与用户间高签到重叠引入两个层级的友谊。我们的好友算法基于用户的地理活动中心。结果表明，我们所提出的模型在两个真实世界数据集上优于当前最优方法（state-of-the-art）。更具体地，我们的消融研究表明，在 Gowalla 与 Yelp 数据集上，社交模型分别使所提 POI 推荐系统的 Precision@10 性能提升了 31% 与 14%。
引用
@article{arxiv.2201.03450,
title = {Leveraging Social Influence based on Users Activity Centers for Point-of-Interest Recommendation},
author = {Kosar Seyedhoseinzadeh and Hossein A. Rahmani and Mohsen Afsharchi and Mohammad Aliannejadi},
journal= {arXiv preprint arXiv:2201.03450},
year = {2022}
}
备注
To appear in Information Processing and Management (IP&M) journal