18、兴趣点（POI）推荐方法综述

兴趣点（POI）推荐方法综述

1. 曲线拟合实现动态预测

曲线拟合可提供用户在不同时间段内，随着距离增加时的访问概率。它通过建立用户旅行距离与旅行概率之间的关系曲线来实现这一目标。具体操作步骤如下：
1. 数据归一化 ：对用户及其相似用户的签到时间和签到频率进行归一化处理，避免用户间的差异影响结果。
2. 签到频率汇总 ：收集特定兴趣点（POI）的签到频率并求和，对其他POI也执行相同操作。
3. 考虑其他因素 ：结合所有POI的签到频率信息，同时考虑热图、最热区域中心和虚拟起点等因素。
4. 计算距离与概率 ：计算每个POI到虚拟起点的欧几里得距离，以虚拟起点为圆心构建同心圆。计算属于每个圆的所有POI的签到频率，进而计算旅行概率。
5. 曲线拟合 ：采用最小二乘法对圆的半径和旅行概率进行曲线拟合。
6. 生成推荐列表 ：结合用户偏好和地理因素，利用动态偏好预测，为用户生成下一个POI推荐列表。将用户在当前时间之前未访问过的可用POI作为推荐候选集，计算每个POI的排名分数并降序排序，为用户提供n个POI列表。

该方法的优点是减少了数据稀疏性并实现了动态预测，但也存在一些缺点，如用户相似度计算可结合异构上下文以提高准确性，需要更多关注不同时间尺度上的用户偏好预测，基于稀疏数据估计新POI的隐式转移概率具有挑战性，与一般POI推荐相比精度较低。

2. 基于位置社交网络的POI推荐