کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6921893 864885 2016 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A contextualized and personalized model to predict user interest using location-based social networks
ترجمه فارسی عنوان
یک مدل متداول و شخصی برای پیش بینی علاقه کاربر با استفاده از شبکه های اجتماعی مبتنی بر مکان
کلمات کلیدی
علاقه کاربر زمینه آگاهی، شخصی، پیش بینی، شبکه های اجتماعی مبتنی بر مکان،
ترجمه چکیده
تعیین دقیق علاقه کاربر به اطلاعات جغرافیایی برای برنامه های متعدد تلفن همراه، مانند سیستم های توصیه شده و تبلیغات تلفن همراه ضروری است. علاقه کاربر به شدت تحت تاثیر قرار گرفته است و در سراسر افراد متفاوت است؛ بنابراین، یک مدل علاقه به کاربر باید این نیازها و تمایلات فردی را در بر گیرد. در این مقاله، روشی را برای مدل سازی علاقه کاربر به یک شیوه متصورانه و شخصی بر اساس شبکه های اجتماعی مبتنی بر مکان ارائه می دهیم. رگرسیون لجستیک چندجملهای برای تعیین رابطه بین علاقه کاربر و زمینه استفاده در سطوح کل و فردی استفاده می شود. رویکرد پیشنهادی در یک برنامه دنیای واقعی با استفاده از چکهای چهار ضلعی که در فوریه تا ژوئن 2014 در سه شهر عمده شیکاگو، لس آنجلس و نیویورک صادر شده است، آزمایش شده است. نتایج نشان می دهد که قابلیت فرایند متصور ساختن برای به دست آوردن تأثیرات متنی در مورد علاقه کاربری است و چنین تاثیراتی را می توان در مقیاس ضخیم در سطح فردی از طریق فرایند شخصی سازی مشاهده کرد. بنابراین روش پیشنهادی برآورد متداول و فردی منافع کاربر را قادر می سازد تا اطلاعات مفیدی را برای پیگیری برنامه های موبایل کمک کند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
یک مدل متداول و شخصی برای پیش بینی علاقه کاربر با استفاده از شبکه های اجتماعی مبتنی بر مکان
چکیده انگلیسی
The accurate determination of user interest in terms of geographic information is essential to numerous mobile applications, such as recommender systems and mobile advertising. User interest is greatly influenced by the usage context and varies across individuals; therefore, a user interest model should incorporate these individual needs and propensities. In this paper, we present an approach to model user interest in a contextualized and personalized manner based on location-based social networks. Multinomial logistic regression is employed to quantify the relationship between user interest and usage context at both the aggregate and individual levels. The proposed approach is tested in a real-world application using Foursquare check-ins issued between February and June 2014 in the three major cities of Chicago, Los Angeles and New York. Results demonstrate the capability of the contextualization process for capturing contextual influences on user interest, and that such influences can be observed at a fine-grained scale at the individual level through the personalization process. The proposed approach therefore enables contextualized and personalized estimation of user interest, thereby contributing useful information to follow-up mobile applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers, Environment and Urban Systems - Volume 58, July 2016, Pages 97-106
نویسندگان
, , , ,