空间级联模式下的个性推荐模拟

自个性化推荐系统出现以来,逐渐成熟并成功应用于多种互联网商品推荐,成为解决信息过载问题的有效手段。目前,各种移动终端可实时接入网络并获取用户位置,使得考虑位置的推荐进入人们的视野,但是现有的应用主要关注单一目标下的用户选择,很少考虑用户位置移动时后续活动对当前选择的影响。本文通过对连续多个选择建模,在传统推荐算法的基础上,将未来活动的影响及空间关系的影响引入传统个性推荐算法,提出空间级联模式下的推荐模型。通过实验将传统的推荐算法与空间级联模型算法作对比,综合考虑2种推荐结果的用户偏好度及空间距离变化,提出距离-偏好损益指标,同时基于百度API实现可视化。实验所得的距离-偏好损益指标和可视化结果显示,在综合考虑用户偏好和空间关系方面,空间级联模式的个性化推荐模型可得到更加合理的推荐结果。