A two-step personalized location recommendation based on multi-objective immune algorithm

تعداد روزافزون کاربران که در شبکه های اجتماعی مبتنی بر مکان شرکت دارند، موجب بروز مشکل اضطراری اطلاعاتی شده است. توصیه فرایندی است که کاربران را از این معضل آزاد کند. اکثر الگوریتم ها یا ویژگی های جغرافیایی و اجتماعی را نادیده می گیرند یا نیاز به یک ضریب قابل تنظیم برای تعیین تأثیر هر یک از ویژگی ها بر نتیجه دارند. همزمان، ترکیب این خواص ثابت کرده است که یک چالش است. در این مقاله پیشنهاد می کنیم یک توصیه دو بعدی موقعیت مکانی شخصی بر مبنای الگوریتم ایمنی چند هدفه ارائه شود. این می تواند به طور همزمان ویژگی های تطبیق شباهت و خواص جغرافیایی را به عنوان دو عملکرد بهینه سازی کند، در نتیجه توصیه های مکان را با بهبود یک هدف مطلوب بدون درهم ریختن از سوی دیگر، به دست می دهد. در این فرایند، هر لیست سازگاری متفاوتی بین شباهت تنظیمات ورود به سیستم و نفوذ جغرافیایی کاربر ایجاد می کند. کاربر انتخاب شده از مجموعه ای از لیست هایی است که از انتخاب فرد از ترکیب های مختلف جمع آوری شده است. مزیت این الگوریتم این است که می تواند لیست کاربران را بدون نیاز به تنظیم هر یک از ضرایب وزن توصیه کند. آزمایشات با استفاده از داده های واقعی نشان داد که الگوریتم پیشنهادی امیدوار کننده است و یک ابزار موثر برای ارائه توصیه های دقیق برای مکان مورد نظر کاربر است.