孟祥福，齐雪月，张全贵，张霄雁，王丽

（辽宁工程技术大学 电子与信息工程学院，辽宁 葫芦岛 125105）

近年来，随着移动互联网技术和智能设备的飞速发展，用户可以方便地获取个人的实时位置信息，使得基于位置的社交网络(LBSNs)和兴趣点推荐(POI recommendation)技术得到了研究者的广泛关注。协同过滤是推荐系统中广泛使用的方法，其基本思想是：通过分析用户的兴趣偏好找到与某个用户偏好相似的其他用户，然后综合这些相似用户对兴趣点的评价，预测该用户对兴趣点的偏好程度。然而，在大规模数据集中，用户对兴趣点的评价非常稀疏，仅依赖评级矩阵进行协同过滤推荐很难得到准确合理的推荐结果[1-2]。

用户与兴趣点在属性信息上存在显式的关联关系。例如，年轻人在选择兴趣点时可能会选择游乐场，而老年人通常会选择公园；此外，人们在选择兴趣点时也受距离的影响，多数情况下会选择距离较近的兴趣点[3]。由此可见，用户的年龄和兴趣点的位置信息在用户选择兴趣点时起着一定作用，也就是说，用户的年龄属性和兴趣点的位置属性之间存在着显式关联关系。此外，用户与兴趣点之间也存在着隐式关联关系。例如，签到行为反映了用户与兴趣点之间的交互关系，用户可能由于某种潜在因素选择了某个兴趣点，签到矩阵反映的就是用户与兴趣点之间的隐式关联关系。现有的推荐模型，通常是根据用户对兴趣点的签到矩阵或评分……