单硕堂 陈廷伟 贾梦威

(辽宁大学信息学院 辽宁 沈阳 110036)

0 引 言

随着人们对网络社交需求的提高，诞生了一种新的基于位置的社交网络[1](LBSN)。基于位置的社交网络不仅指的是社会关系用户，而且还包括兴趣点(POI)签到以及签到时间戳和对地点的相关评论、描述。与其他社交网络相比，LBSN不仅能够反映用户真实生活中所在的地理位置，而且将现实生活和虚拟世界进行有效地结合，为研究者提供了机会和挑战。

个性化推荐主要以用户、信息以及用户和信息之间的关系为研究对象，经过对用户的行为方式，独特偏好等信息进行剖析和学习，挖掘出用户的兴趣和特点，从而形成模型。如今的个性化推荐方法已经应用在生活中的各个领域，如日常所知的电影推荐、音乐推荐等。

经过对目前个性化推荐的研究发现，在所涉及数据的维度方面可以分为同构社交网络的推荐和异构社交网络的推荐。同构社交网络下主流的个性化推荐方法有三种：协同过滤方法、基于上下文感知的方法和链路分析法[2]。目前应用最广泛的协同过滤算法以寻找与用户相似度高的项目为原理，间接推断目标用户的兴趣，投其所好进行推荐，亚马逊的书籍推荐使用的就是协同过滤算法。协同过滤算法主要由三个阶段构成：首先根据相关历史数据，计算出用户之间的偏好相似度，其次以用户所在位置为参照选择top-n个用户可能去的地点，最后对推荐的结果进行评估。……