论文部分内容阅读
协同过滤和概率模型是位置推荐中的常用方法，但前者没有考虑用户的移动模式，后者也难以用于稀疏数据集。针对上述问题，面向稀疏数据构建基于高斯混合模型的位置推荐框架GMMSD。按时间段划分用户签到的历史数据，通过数据预处理获取用户一区域矩阵，并利用矩阵分解算法提高稀疏数据的推荐准确度，学习高斯混合模型以预测用户出现在不同区域的概率分布，从而进行位置推荐。在真实数据集上的实验结果表明，GMMSD可以有效提高稀疏数据中位置推荐的准确度。