收录：
摘要：
为了降低隐式反馈、数据稀疏性和内容多元化等因素对兴趣点( point of interest,POI)推荐算法的影响,提升推荐准确性,提出基于序列挖掘的兴趣点推荐算法. 首先在数据预处理阶段,使用负采样法生成数据集中不存在的数据作为负样本,然后通过矩阵分解法学习用户和地点各自的隐特征向量,并根据地点之间的影响关系排列出候选推荐点. 在公开数据集FourSquare和Gowalla上实现2个POI访问序列上的实验验证,结果表明:该算法的准确率比传统方法有很大的提升.
关键词：
通讯作者信息：
电子邮件地址：
