陈 炯，张 虎

(1.山西职业技术学院 计算机工程系，山西 太原030006；2.山西大学 计算机与信息技术学院，山西 太原 030006；3.山西大学 计算智能与中文信息处理教育部重点实验室，山西 太原 030006)

0 引 言

兴趣点(point-of-interest，POI)推荐通过分析用户历史数据，挖掘用户偏好，为用户推荐可能感兴趣的新的地理位置。POI推荐不仅能够满足用户个性化需求，而且能够帮助商家提供智能化位置服务，实现精准营销，因此，近年来受到学术界和工业界的广泛关注[1]。

现实生活中用户安排某次行程、访问某个位置，往往会参考朋友介绍，并考虑个人喜好、路途远近、时间约束等因素，因此，用户在兴趣点的签到决策是一个复杂的过程，会受到社交关系、地理位置、个人兴趣、时间等多方面因素的影响。目前已有的兴趣点推荐方法大多通过收集并分析用户签到记录关联的社交关系、地理位置、评论内容、签到时间等信息，挖掘用户隐藏偏好，借助协同过滤等方法向用户推荐感兴趣的地理位置[2-7]，但是现有方法存在以下不足，一是推荐模型仅仅集成了部分因素，缺乏对用户签到决策影响因素的全面分析；二是很少将评论文本与时间因素同时融入推荐框架，特别是评论文本的情感倾向挖掘以及时间因素的深度分析尚不充分。

针对现有方法存在的不足，本文在分析基于位置的社交网络(LBSN)中多源异构复杂信息的基础上，提出了内容增强与时间匹配的兴趣点推荐模型(GSRT)，综合考虑了地理、社交、内……