位置社交网络中基于评论文本的兴趣点推荐

        摘　要: 随着位置社交网络（Ｌｏｃａｔｉｏｎ－Ｂａｓｅｄ　Ｓｏｃｉａｌ　Ｎｅｔｗｏｒｋｓ，ＬＢＳＮ）的快速发展，兴趣点（Ｐｏｉｎｔ－Ｏｆ－Ｉｎｔｅｒｅｓｔ，ＰＯＩ）推荐对于用户和商家愈发重要。目前基于社交网络的兴趣点推荐算法主要利用用户的历史签到数据和社交网络数据来提升推荐质量，但忽略了利用兴趣点的评论文本数据；并且 ＬＢＳＮ 中的数据经常会存在部分信息缺失的情况，对兴趣点推荐算法而言如何保证鲁棒性是一个巨大的挑战。为此，提出了一种新的用户兴趣点推荐模型，称其为 ＳｏＧｅｏＣｏｍ模型。该模型融合了用户社交网络数据、地理位置数据以及兴趣点的评论文本数据这３个因素来进行兴趣点推荐。基于来自 Ｙｅｌｐ的真实数据集的实验结果表明，与其他主流的兴趣点推荐算法相比，ＳｏＧｅｏＣｏｍ 模型能够提高准确率和召回率，并且具有良好的鲁棒性，获得了更好的推荐效果。