计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (4): 154-159.DOI: 10.3778/j.issn.1002-8331.1609-0177
卢 露1,朱福喜2,高 榕2,朱 林1
LU Lu1, ZHU Fuxi2, GAO Rong2, ZHU Lin1
摘要: 目前基于协同过滤的兴趣点推荐算法能够获得较好的推荐效果,但是当用户外出远离其常驻地时,推荐效果急剧下降,主要原因是用户的签到记录主要集中在其常驻地周围,而对其他兴趣点的签到行为较少,此时不能准确计算用户兴趣。因此提出了一种基于主题模型的兴趣点推荐算法,在推荐过程中同时考虑了用户的偏好分布和兴趣点的主题分布,使得当用户在新的兴趣点时,也能获得较好的推荐。实验证明,该方法不仅能够缓解推荐数据的稀疏性问题,而且与其他方法相比有更高的推荐准确率。