基于游客综合兴趣度的旅游景点推荐

为了从大量的信息中检索出符合用户偏好和需求的旅游资源,文中提出了综合兴趣度的概念,综合兴趣度是对用户兴趣的完整描述。在此基础上给出一种基于用户综合兴趣度的推荐方法。将用户主动提供的兴趣倾向与用户的浏览行为相结合,分析其综合兴趣。依据与目标用户兴趣相似的邻居用户对景点的评分信息预测用户对待推荐景点的评分,并选择预测评分处于前N位的景点进行推荐。     

基于情境的POI个性化推荐方法研究

为了实现地图POI推荐服务的个性化和智能化,满足用户兴趣偏好,探讨了POI个性化推荐的情境因素,分析了影响用户对POI个性化需求的多维情境,研究了基于情境的POI推荐方法和步骤,提出了顾及效能的改进TOPSIS个性化推荐算法,着重讨论了推荐算法中地理时空等多维情境的处理策略。通过实验对推荐结果、推荐验证进行分析,证明了本文方法的可行性和有效性。     

一种时区聚类协同过滤的空间信息服务质量预测

针对现有研究较少关注时空特征对服务质量的影响,预测准确性有限的不足,该文提出了一种基于时区聚类协同过滤的空间信息服务质量预测算法:利用时区特征进行用户和空间信息服务的聚类,并采用时区优化的相似度计算方法寻找相似用户和相似服务,通过构建时区约束的邻近用户—服务矩阵进行空间信息服务质量的综合预测。最后,实验结果证明基于时区聚类协同过滤方法可以显著提高空间信息服务质量预测的准确性。     

关注点推荐算法的霍克斯过程法

关注点（point-of-interest,POI）推荐是基于位置的社交网络（location-based social network,LBSN）中重要的个性化位置服务。针对LBSN中用户签到数据的复杂性和高度稀疏性问题,本文提出了一种基于霍克斯过程的上下文感知协同过滤关注点推荐算法（HWCF）。首先,根据用户签到关注点的地理空间聚集现象分析用户行为特征,筛选用户候选关注点;然后,利用霍克斯过程对候选关注点建模,通过融合空间距离信息、空间序列变换信息、时间信息、用户偏好、关注点流行度等多种上下文信息计算用户访问候选关注点的概率,对访问概率排序得到top-k推荐列表;最后,对算法参数的取值及调整过程进行讨论。试验结果表明,HWCF算法比其他的关注点推荐算法具有更好的推荐效果。     

综合多要素的地理空间数据众包任务推荐方法

针对境外欠发达国家（或地区）地理空间数据和志愿者不足问题,为提高有限志愿者的贡献积极性和有效性,本文提出了一种综合多要素的地理空间数据众包任务推荐方法。首先采用网格将研究区域划分为若干任务;然后引入三角核函数计算用户空间偏好,结合时间遗忘率综合计算用户的时空偏好,借鉴TF-IDF和余弦相似度计算语义偏好,并融合时空、语义偏好获取初始兴趣推荐列表;最后利用隐语义模型预测用户标注每个任务的信誉（能力）,并根据用户信誉对初始推荐列表重排序。为验证本文方法有效性,以有一定数据基础的巴基斯坦首都伊斯兰堡为试验区,采用OpenStreetMap平台收集的用户及众包数据开展任务区推荐试验,试验数据按照8：2的比例随机划分为训练集和测试集。试验结果表明,该方法不仅能提高推荐任务接受率,还能提高用户完成任务的有效性。     

一种参数化影像多目标检索的相似度评估模型

在基于影像内容的图像检索中,检索目标的特征选取与相似度计算是当前研究的热点问题。面向对象的图像处理方法有利于描述对象及对象间的空间关系,因此,在影像多维特征描述的基础上,提出了一种参数化影像多目标检索的相似度评估模型。该模型既考虑了影像目标间的空间关系,又顾及了影像目标局部特征间的相似度。首先,借鉴动态图像专家组-7(moving picture experts group,MPEG7)基于内容的图像层次化描述模式的层次分析法(analytic hierarchy process,AHP)描述影像内容的多维特征,并采用已有的方法分别计算各特征值;然后,根据用户偏好设置各特征的权重系数,计算检索目标的整体相似度。该模型可定性地评价多目标检索的效果,为对影像数据库进行多目标检索提供参考与借鉴。通过实验发现,影像的目标检索不仅与相似度计算方法有关,而且与影像本身的内容复杂度有关。     

城市街区和签到数据结合的个性化城市兴趣区域推荐方法

利用社交媒体用户的历史签到数据分析用户空间活动偏好实现用户兴趣区域推荐,在城市商业规划中起着重要作用,也为了解人们的城市生活和需求提供帮助。已有方法获得的ROI具有模糊性和多样性,无法给ROI赋予准确的地理描述信息,对用户来说可解释性不强。因此,本文提出了一种结合城市街区和签到数据的个性化兴趣区域推荐方法(CBCD),引入城市街区概念解决ROI边界模糊问题。首先,通过城市道路网生成城市街区,并将大规模签到数据映射到城市街区转换为区域签到;然后,基于区域签到对用户空间活动偏好和类别偏好分别进行个性化建模;最后,融合空间和类别活动偏好,向用户推荐其可能感兴趣的区域。在真实的数据集上进行试验,结果表明该方法具有较高的推荐精度,对用户感兴趣城市街区的挖掘和推荐具有一定的价值。     

基于本体的土地利用数据综合研究

提出了基于土地利用类型本体的语义相似度计算模型,建立了顾及空间邻近和语义邻近的土地利用数据综合方法,基于本体语义相似度进行图斑融合的加权骨架线剖分。该模型较好地考虑了人的认知特性,改进的土地利用数据综合过程能够更好地反映和概括土地利用特征。实例证明了该方法的有效性。     

基于用户轨迹的POI个性化推荐算法研究

为了实现兴趣点(POI)的个性化推荐,本文针对用户轨迹中的含有大量冗余点的问题,探讨了利用POI和公交数据对用户轨迹数据进行压缩的算法。研究了传统的协调过滤推荐算法后,提出一种基于用户轨迹的加权Top N推荐算法(User TN)。实验结果表明,推荐结果的准确率、召回率和个性化程度都优于传统的协同过滤推荐算法,证明了本文方法的有效性。     

顾及眼动数据的网络地图点状符号用户兴趣分析方法

为解决网络地图个性化推荐过程中点状符号用户兴趣分析结果准确性低的问题,提出了一种基于眼动数据的网络地图点状符号用户兴趣分析方法。利用空间认知测试法筛选39名认知能力一致的被试者参与实验,使用眼动仪采集被试者在浏览4类点状符号素材过程中的眼动数据,同时记录被试者的鼠标数据;分别计算时间、次数与尺寸类型眼动数据用户兴趣度,利用熵权法将3类数据进行整合,设计了一种基于多项眼动数据的用户兴趣度计算方法。研究结果表明,用户兴趣度分析结果正确率为85.9%,优于鼠标数据,证明所提方法能够有效分析用户兴趣,点状符号用户兴趣度计算公式稳定可靠,有助于提升个性化推荐结果的准确度。