基于用户签到行为变化的深层语义分析研究

Nowadays, location-based social network services (LBSNs) and point of interest (POI) recommendation have become hot researches. Although the existing researches have taken into account the influence of temporal factor, social relationships and geographical location on POI recommendation, most of researches still suppose that the users’ interest is stable, and do not more deeply consider the simultaneous changes of the users' interest and their time and space where they are. In this context, we first adopt the Gaussian kernel density estimation to divide the user's check-in area into "Local area" and "Different area", based on which, the check-in behavior change model of users is constructed. Then, in the local area, according to the stable interest of users and the existing dual social relations，for the target user's query, the temporal POI recommendation and the time-sensitive next POI recommendation are performed. In the different area, according to the the mixed interest of users and advice from trusted recommended experts, for the target user's query, the temporal POI recommendation and the time-sensitive next POI recommendation are performed. Our research will provide support for POI recommendation under LBSNs and promote the further growth in mobile applications and services.

目前，基于位置的社交网络服务和兴趣点推荐已成为热点研究。已有的兴趣点推荐方法虽然考虑了时间因素、社会关系和地理位置对推荐结果的影响。但是，大部分研究都假设用户的兴趣是稳定不变的，没有更深入地考虑用户兴趣发生变化和所处时空也发生变化下的兴趣点推荐机制。在这样的背景下，本项目首先使用高斯核密度估计把用户的签到区域分为本地区域和异地区域，提出一种用户签到行为兴趣变化构建方法。然后，对用户的签到行为进行深层语义分析研究。在本地区域，根据用户所具有的稳定兴趣和存在的双社会关系，针对用户的查询，执行基于时序变化的周期兴趣点推荐和时间敏感的下一地点推荐；在异地区域，根据用户所具有的混合兴趣和可信推荐专家提供的信息，针对用户的查询，执行基于时序变化的周期兴趣点推荐和时间敏感的下一地点推荐。本项目的研究能够为基于位置的社交网络下的兴趣点推荐提供支持，促进移动应用和服务领域的进一步发展。

基于位置的社会网络服务和兴趣点推荐具有重要的应用价值，本课题在综合考虑用户兴趣发生变化和所处时空也发生变化的情境下，对用户兴趣及用户所处的社会情境、时空情境做深入地挖掘分析，实现个性化智能推荐。课题组采集并预处理用户签到行为数据集，过滤掉签到兴趣点极少的用户和被用户签到很少的兴趣点，在所搭建的并行分布式计算环境下，对用户的签到行为进行深层语义分析研究。首先，深入分析用户之间的社会关系对用户行为的影响，融合用户隐式兴趣主题相似性和用户之间的隐链接关系，提出一种双隐式挖掘潜在朋友推荐模型，实验结果表明，双隐式挖掘潜在朋友推荐性能优于已有的基准朋友推荐算法。其次，使用高斯核密度估计把用户的签到区域分为本地区域和异地区域，同时研究位置的重要性、用户之间的社会关系和用户兴趣主题相似性对用户签到行为的影响，融合双地理-社会关系（基于用户共同签到行为的社会关系和基于链接关系的社会关系）和深隐式兴趣主题相似度建模用户的签到行为，提出双地理-社会关系和深隐式兴趣主题挖掘的兴趣点推荐模型，实验结果表明，所提出的兴趣点推荐性能优于现有的基准推荐方法。最后，针对用户兴趣和用户需求呈时间周期变化的特性，把用户的签到行为划分为若干时间段，在每一时间段内，挖掘项目的真流行度、与目标用户具有相似兴趣的类别专家和目标用户信任的朋友集合对用户签到行为的影响，实现基于兴趣点真流行度和双隐式信任挖掘的周期兴趣点推荐，实验结果表明，所设计的周期兴趣点推荐优于现有的基准方法。综合上述结果，本研究为深入探讨动态兴趣点推荐机制奠定了坚实的工作基础。同时对于认识用户所处动态情境和用户签到行为变化之间的关系提供了重要的启示性线索。项目资助发表论文8篇，在SCI源刊和EI期刊上发表6篇。培养青年教师2名，本科生4名。项目直接经费21万元，支出12.4357万元，剩余经费8.5643万元，剩余经费计划用于本项目研究后续支出。