基于内容相似度的运动路线推荐

计算机工程与应用 ›› 2016, Vol. 52 ›› Issue (9): 33-38.

基于内容相似度的运动路线推荐

曹孟毅，黄穗，王会进，何杰，龙舜

暨南大学信息科学技术学院，广州 510632

出版日期:2016-05-01 发布日期:2016-05-16

Content-based approach to exercise route recommendation

CAO Mengyi, HUANG Sui, WANG Huijin, HE Jie, LONG Shun

School of Computer Science, Jinan University, Guangzhou 510632, China

Online:2016-05-01 Published:2016-05-16

摘要/Abstract

摘要： 运动管理类移动应用经常需要从大量运动轨迹中为用户搜索出适合的运动路线，为此，提出了基于内容相似度的运动路线推荐方法。利用Geohash编码快速搜索用户邻域范围内的所有待推荐路线，计算用户已有运动路线与待推荐路线之间的路线相似度和运动模式相似度，对两种相似度进行加权求和处理作为待推荐路线的相似度，将相似度较大的若干运动路线推荐给用户。还针对推荐存在的冷启动问题给出了解决方案。通过实验，对两种相似度的权值进行调优，实验结果显示该方法可提高推荐效率，实际推荐效果良好。

关键词: 运动路线推荐, 内容相似度, 冷启动, Geohash

Abstract: A content-based approach is proposed in this paper in order to meet the growing demand for exercise route recommendation in mobile exercise management applications. It considers not only the similarities among the routes but also those of the users’ abilities in order to make personalized route recommendation. In addition, it provides a solution to the cold-start problem when applied in practice. Experimental results show that this approach is capable of providing users with good personalized recommendation of exercise routes with high efficiency.

Key words: exercise route recommendation, content similarity, cold start, Geohash

曹孟毅，黄穗，王会进，何杰，龙舜. 基于内容相似度的运动路线推荐[J]. 计算机工程与应用, 2016, 52(9): 33-38.

CAO Mengyi, HUANG Sui, WANG Huijin, HE Jie, LONG Shun. Content-based approach to exercise route recommendation[J]. Computer Engineering and Applications, 2016, 52(9): 33-38.

[1]	王永贵, 胡鹏程, 时启文, 赵炀, 邹赫宇. 融合信息瓶颈与图卷积的跨域推荐算法[J]. 计算机工程与应用, 2024, 60(15): 77-90.
[2]	张明星, 张骁雄, 刘姗姗, 田昊, 杨琴琴. 利用知识图谱的推荐系统研究综述[J]. 计算机工程与应用, 2023, 59(4): 30-42.
[3]	沈小烽, 刘柏嵩, 吴俊超, 钱江波. 边信息嵌入的学术论文推荐算法研究[J]. 计算机工程与应用, 2022, 58(22): 165-171.
[4]	刘华玲, 郭渊, 马俊. 协同过滤中相似度算法研究进展[J]. 计算机工程与应用, 2022, 58(13): 27-35.
[5]	卫鼎峰，李梁，柴晶. 融合物品信息的社会化推荐算法[J]. 计算机工程与应用, 2021, 57(19): 198-204.
[6]	宋国超，初广辉，武绍欣. 基于区间区域的位置隐私保护方法[J]. 计算机工程与应用, 2020, 56(8): 66-73.
[7]	胡学林，艾山·吾买尔. 基于分布式表示技术的推荐算法综述[J]. 计算机工程与应用, 2020, 56(22): 13-24.
[8]	邢凯1，2，罗永龙1，2，宁雪莉1，2，郑孝遥1，2. 基于Geohash编码的位置隐私保护算法[J]. 计算机工程与应用, 2019, 55(1): 96-102.
[9]	吴鸿玲1，程耕国2. 融合用户动态标签和信任关系的协同过滤算法[J]. 计算机工程与应用, 2018, 54(19): 43-48.
[10]	翁小兰1，2，王志坚1. 协同过滤推荐算法研究进展[J]. 计算机工程与应用, 2018, 54(1): 25-31.
[11]	谢霖铨，梁博群. 结合用户特征分类和动态时间的协同过滤推荐[J]. 计算机工程与应用, 2017, 53(6): 80-84.
[12]	端德坤，傅秀芬. 混合协同过滤算法中用户冷启动问题的研究[J]. 计算机工程与应用, 2017, 53(21): 151-156.
[13]	刘继. 基于网络云团的聚合协作推荐方法[J]. 计算机工程与应用, 2011, 47(26): 21-24.
[14]	周潇,帅建梅. 基于感知学习的垃圾邮件过滤算法[J]. 计算机工程与应用, 2007, 43(28): 118-121.