文件名称：边缘计算环境中基于LBSN的兴趣点推荐算法
文件大小：1.25MB
文件格式：PDF
更新时间：2024-04-18 05:31:27
LBSN,Edge computing,Personal preference
随着万物互联时代的发展和移动设备的普及，基于位置的社交网络（LBSN）已经渗透到人们的生活中。 人们可以利用便携式边缘终端设备，并使用LBSN中的地理信息来安排或调整他们的旅行计划。 但是，由于当前Internet应用程序和用户的爆炸性增长，给云存储带来了更大的压力以及运营和维护成本。 基于位置推荐的精确研究方向是关键，它可以准确地获取用户感兴趣的地点并将其以如此大量的原始数据推送给客户。 为了更好地处理边缘设备生成的数据，本文首先使用基于社交网络的Rank-FBPR矩阵分解框架对边缘服务器上用户的个人偏好功能进行了分析。 然后与存储在云中的地理信息进行交互以对POI进行聚类。 并将地理信息嵌入到框架中以获取候选兴趣点。 最后，使用个人偏好函数和幂律分布预测候选兴趣点的分数，然后以分数的降序生成兴趣点的排序列表，并将该列表推荐给目标用户。 该算法有效地将用户签到的时间信息和地理信息整合到了LBSN中，提出了一种综合考虑边缘设备和云的POI推荐算法。 实验从冷启动和非冷启动验证了框架的有效性。 在Foursquare和Yelp数据集上的实验结果表明，Rrank-FBPR比其他比较模型具有更高的推荐准确性和召回率，并且能够适应冷启动问题。