15、个性化兴趣点（POI）推荐技术解析

个性化兴趣点（POI）推荐技术解析

1. 引言

在当今社会，基于位置的社交网络（LBSN）需求巨大，个性化兴趣点（POI）推荐也备受欢迎。本文将详细介绍多种POI推荐技术，包括基于用户偏好、位置流行度、天气等因素的推荐方法，并对不同技术进行总结和分析。

2. 基于用户偏好的POI推荐

2.1 用户偏好挖掘

通过分析用户访问特定类别的次数，可以了解用户的偏好。例如，图中数字展示了用户访问特定类别的频率，助力发现其偏好。为解决时间不连续导致用户偏好捕捉不准确的问题，采用TF - long term组合用户 - POI类别矩阵，最终在TF - hybrid中整合这些因素，以维持模型一致性和用户移动性。

2.2 用户 - 类别兴趣生成

为提供特定类别下的具体POI，会生成用户 - 类别兴趣。通过应用核密度估计纳入地理信息，以进行POI推荐并生成前N个POI。

3. 基于位置流行度的POI推荐

3.1 位置流行度的影响

不仅用户偏好，位置流行度也会影响推荐过程。大量用户对特定POI进行签到会使该POI更受欢迎，从而提高推荐系统的准确性。

3.2 个性化POI推荐的两个阶段

Lin等人提出了个性化POI推荐的两个阶段：类别预测和POI推荐。他们考虑了四个因素：类别转换、时间影响、用户偏好和地理影响，整个架构如图所示。

类别转换主要由签到序列组成，通过矩阵分解（M.F.）进行建模。目标函数如下：
[
argmin_{O,P}=\sum_{i = 1}^{m}\sum_{j