随着移动社交平台的发展,基于位置的社交网络服务(Location-Based Social Network,LBSN)已进入人们的视野。在LBSN中,根据用户的签到数据进行兴趣点(Point-of-Interest,POI)推荐是近年来研究的热点问题。提出一种基于极限学习机(Extreme...随着移动社交平台的发展,基于位置的社交网络服务(Location-Based Social Network,LBSN)已进入人们的视野。在LBSN中,根据用户的签到数据进行兴趣点(Point-of-Interest,POI)推荐是近年来研究的热点问题。提出一种基于极限学习机(Extreme Learning Machine,ELM)的POI推荐算法,提取用户的个人偏好、朋友偏好、类型偏好、流行度偏好等特征,利用ELM提供的分类方法,使用上述特征向量集合训练ELM分类器,最终根据分类结果向用户推荐POI。本文使用Foursquare和Twitter数据集的实验结果表明,该方法在精确率和效率方面均有所提高。展开更多
文摘随着移动社交平台的发展,基于位置的社交网络服务(Location-Based Social Network,LBSN)已进入人们的视野。在LBSN中,根据用户的签到数据进行兴趣点(Point-of-Interest,POI)推荐是近年来研究的热点问题。提出一种基于极限学习机(Extreme Learning Machine,ELM)的POI推荐算法,提取用户的个人偏好、朋友偏好、类型偏好、流行度偏好等特征,利用ELM提供的分类方法,使用上述特征向量集合训练ELM分类器,最终根据分类结果向用户推荐POI。本文使用Foursquare和Twitter数据集的实验结果表明,该方法在精确率和效率方面均有所提高。