LBSN中基于签到有序对的实时位置推荐的开题报告.docxVIP

LBSN中基于签到有序对的实时位置推荐的开题报告

题目：LBSN中基于签到有序对的实时位置推荐

研究背景和意义：

随着移动互联网的快速发展，位置服务已经成为了主流的服务形式。随之而来的是基于位置的社交网络（LBSN），此类应用以其强大的交互性、社交性和实时性，成为了社交网络应用的热点之一。例如：微信“附近的人”、Facebook的“check-in”等。然而，在大规模的LBSN中，面临着一个挑战：如何在实时性和个性化之间找到一个平衡点，提高位置推荐的准确度和实用性。

目前，大多数的位置推荐方法都是基于用户的历史位置信息，这种方法存在一些缺陷，例如用户不一定会去同样的地方、没有办法预测用户可能会去的未知地点等等。因此，研究一个新的方法来解决这个问题至关重要。本文提出了一种新的位置推荐方法，通过对LBSN中的签到有序对进行分析，建立了一个位置推荐模型，能够在实时性和个性化推荐方面更好的满足用户需求。

研究内容和方法：

该研究基于LBSN中用户签到的有序对，通过分析用户在不同时间段的签到行为，建立了一个基于时间和地点的预测模型。该模型可以帮助用户找到他们未来可能去的地方，并根据用户的兴趣和意愿，进行个性化推荐。

本研究将会通过以下几项工作完成：

1.收集和整理LBSN数据，包括用户签到记录、地点信息和用户兴趣喜好等。

2.建立位置推荐模型，将用户的签到有序对转换成序列数据进行分析和建模。

3.实现模型，并进行实验和测试，比较该模型和其他位置推荐方法的性能和效果。

预期结果和意义：

本研究通过对LBSN中用户签到有序对的分析和建模，提出了一种新的位置推荐方法，可以更好地满足用户的需求。预期的结果包括：

1.开发一种基于签到有序对的位置推荐模型，可以更好地预测用户将来可能去的地点。

2.验证该模型的性能和效果，与其他典型位置推荐方法进行比较。

3.提供一种实用性比较强的位置推荐方法，对于LBSN应用的研究和开发具有重要意义。

参考文献：

Gao,H.,Tang,J.,Liu,H.(2012).Oncommunityoutliersandtheirefficientdetectionininformationnetworks.InProceedingsofthe18thACMSIGKDDinternationalconferenceonKnowledgediscoveryanddatamining(pp.813-821).

Hu,Y.,Zheng,Y.,Sun,L.(2015).ModelinguseractivitypreferencebyleveraginguserspatialtemporalcharacteristicsinLBSN.IEEETransactionsonSystems,Man,andCybernetics:Systems,45(3),477-486.

Shen,J.,Ma,J.,Nie,L.,Yang,Y.,Li,X.,Chua,T.S.(2017).Learningwithprivilegedinformationforefficientandaccurateonlinecheck-inrecommendation.IEEETransactionsonMultimedia,19(11),2409-2422.