14、基于 ELM 的 POI 群组推荐与多用户触觉手势识别研究

基于 ELM 的 POI 群组推荐与多用户触觉手势识别研究

基于 ELM 的 POI 群组推荐

在基于位置的社交网络（LBSNs）中，用户的移动概率与两个地点之间的距离有关，距离越远，移动概率越低。对于每个群组 $g$，我们可以根据签到时间对群组成员的签到序列集 $C_g = {c_1, c_2, \cdots, c_i}$ 进行排序，对应的签到位置序列集为 $L_g = {l_1, l_2, \cdots, l_i}$。给定一个兴趣点（POI）集合 $P$，假设群组成员的每个历史签到位置 $l_i$ 都是他可能移动到 $P$ 中某个 POI $p$ 的起始位置。

特征定义

• 距离特征 ：
  距离特征定义如下：
  [d_{sp}(g) = \frac{1 + \alpha \sum_{l_i \in L_g} ||l_ip|| / N_g}{D_{s_{maxDist}}}]
  其中，$\sum_{l_i \in L_g} ||l_ip||$ 是每个历史签到位置 $l_i$ 到 POI $p$ 的欧几里得距离之和（也可以使用其他度量距离函数），$N_g$ 是用户群组的签到位置数量，常数 1 确保距离得分永远不为 0，$\alpha \in [0, 1)$ 是阻尼因子，$D_{s_{maxDist}}$ 是用户距离特征的最大计算值。
• 群组成员兴趣偏好 ：
  用户的兴趣可以决定其签到行为。对于每个群组成员 $\upsilon$，我们从其历史签到记录中提取文本关键词集 $W_{\upsilon}$ 来表示其兴趣偏好。对于每个 POI $p