کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4960524 1446501 2017 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Point-Of-Interest Recommender System for Social Groups
ترجمه فارسی عنوان
نقطه جذاب سيستم هاي توصيه گر براي گروه هاي اجتماعي
کلمات کلیدی
نقطه مورد علاقه؛ امضا؛ K-هسته ای؛ K-NN. سیستم های پیشنهاد دهنده
فهرست مطالب مقاله
چکیده

کلمات کلیدی

1.مقدمه

2.تعاريف

2.1 گراف اجتماعي

شکل 1(a) گراف متصل سست (b) گراف متصل محکم

2.2 گراف رويداد

2.3 k هسته

2.4 امضا

2.5 نزديکترين k همسايه

3. روش کار

3.1 کاوش گراف هاي رويدادها (کاوش زيرگراف)

3.2 الگوريتم

4. نتايج تجربي

جدول 1 نمونه اي از امضاها

شکل 2(a) گراف متصل محکم (b) اولين توصيه (c) دومين توصيه

شکل 3(a) گراف متصل سست (b) اولين توصيه (c) دومين توصيه

5. نتيجه گيري و کار آينده

 
ترجمه چکیده
این مقاله یک سيستم توصيه گر گروهي بانقطه جذاب مبتني بر امضا ارائه می دهد که توصیه های شخصی از مکان هایی مانند رستوران ها را برای گروه های اجتماعی متحرک ارائه می دهد. رشد شبکه های اجتماعی مبتنی بر مکان (LBSN) مانند فوراسکوئر در سال های اخیر کاربران را قادر به کشف آسان نقاط جذاب کرد. در حالی که توصیه نقطه جذاب برای کاربران فردی به شدت مورد مطالعه قرار گرفته است، در مورد توصيه براي رویدادهای گروهي، کار زیادی انجام نشده است. توصیه برای گروه ها با آنهايي که براي يک کاربر تنها است متفاوت است همانطور که نيازمندي هاي هردو با هم فرق دارد. در این مقاله، مکان هایی را که برای رویدادهای گروهي استفاده می شوند شناسایی کرده و سپس امضا هايي براساس اندازه گروه، مکان، زمان و سایر پارامترها ایجاد می کنیم. سپس برای هر گروه جدید، امضای مشابهی ایجاد می کنیم و مکان ها را بر اساس شباهت با امضا های محاسبه شده توصیه می کنیم. نتایج تجربی نشان مي دهد که چگونه الگوريتم ساختار گروهي را استخراج کرده و به جاي روش توصيه به يک کاربر تنها، بر اساس گروه توصيه مي کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی

This paper presents a signature based point of interest (POI) group recommendation system which provides personalized recommendations of places, such as restaurants, for mobile social groups. The growth of location-based social networking (LBSN) like Foursquare in recent years allowed users to explore POI's easily. While the POI recommendation for individual users has been studied greatly, there has not been much work done when it comes to recommendation for group events. The recommendation for groups is different to that of single user as the requirements vary in both cases. In this work, we identify the places which are used for group events and then build signatures based on group size, location, time and other parameters. Then, for each new group we build a similar signature and recommend places based on similarity with the calculated signatures. The experimental results demonstrate how the algorithm exploits the structure of the group and gives prediction based on the group rather than the approach of giving predictions to single user.

ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Computer Science - Volume 114, 2017, Pages 159-164
نویسندگان
, ,