Dual Fine-Granularity POI Recommendation on Location-Based Social Networks
-
摘要: 兴趣点推荐是在基于位置社会网络(location-based social network, LBSN)中流行起来的一种全新形式的推荐.利用LBSN所包含的丰富信息进行个性化推荐能有效增强用户体验和提高用户对LBSN的依赖度.针对无显示用户偏好、兴趣非一致性和数据稀疏性等挑战性问题，研究一种针对LBSN的双重细粒度POI推荐策略，即一方面将用户的全部历史签到信息以小时为单位细分为24个时间段，另一方面将每个POI细分为多个潜在主题及其分布，同时利用用户的历史签到信息和评论信息挖掘出用户在不同时间段的主题偏好，以实现POI的Top-N推荐.为实现该推荐思路，首先，根据用户的评论信息，运用LDA模型提取出每个POI的主题分布;然后，对于每个用户，将其签到信息划分到24个时间段中，通过连接相应的POI主题分布映射出用户在不同时间段对每个主题的兴趣偏好.为解决数据稀疏问题，运用高阶奇异值分解算法对用户-主题-时间三阶张量进行分解，获取用户在每个时间段对每个主题更为准确的兴趣评分.在真实数据集上进行了性能测试，结果表明所提出的推荐策略具有较好的推荐效果.Abstract: Point of interest recommendation is a new form of popular recommendation in location-based social network (LBSN). Utilizing the rich information contained in the LBSN to do personalized recommendation can enhance user experience effectively and enhance user's dependence on LBSN. Facing the challenging problems in LBSN, such as no explicit user preferences, non-consistency of interest, the sparseness of data, and so on, a dual fine-granularity POI recommendation strategy is proposed, of which, on the one hand, the historical check-in information of each user is divided into 24 time periods in hours; on the other hand, each POI is divided into a number of potential topics and distribution. Both the information of user's check-in and comments are used to mine user's topic preference in different time periods for Top-N recommendation of the POIs. In order to achieve the recommendation ideas, first of all, according to the comments information on the visited POIs, we use LDA topic generation model to extract the topic distribution of each POI. Secondly, for each user, we divide each user's check-in data into 24 time periods, and connect it with the topic distribution of the corresponding POIs to map user interest preference on each topic in different periods. Finally, in order to solve the issue of data sparse, we use higher order singular value decomposition algorithm to decompose the third-order tensor of user-topic-time to get more accurate interest score of users on each topic in all time periods. The experiments on a real dataset show that the proposed approach outperforms the state-of-the-art POI recommendation methods.
-
计算机存储系统承载数据，是信息平台的核心基础设施. 近年来，全球数据规模爆发式增长，计算机存储系统面临着高速数据访问、海量数据存储以及存储服务质量保障的挑战. 同时，由于新型硬件（如NVMe SSD、持久内存、异构加速设备等）的发展与成熟，存储系统技术研究面临着诸多新的机遇.
基于上述背景，为促进存储领域的技术交流，《计算机研究与发展》推出了本期存储专题. 本期专题收录了6篇论文，分别展示了新硬件环境下存储系统设计和大规模数据存储服务质量保障等存储领域关注热点的研究现状和最新研究成果，希望能为从事相关工作的读者提供借鉴和帮助.
周小晖等作者的论文“基于融合学习的无监督多维时间序列异常检测”针对多维时间序列异常检测效果差的问题，提出了一种基于融合学习的无监督多维时间序列异常检测方法. 该方法同时对多维时间序列的数据局部特征和数据全局特征进行建模，并基于重构误差检测异常，提升了异常检测效果.
刘扬等作者的论文“ZB+ -tree：一种 ZNS SSD 感知的新型索引结构”针对传统的 B+ -tree 索引结构不适配 ZNS SSD 的问题，提出了ZNS SSD感知的ZB+ -tree索引结构. 该索引结构通过将索引节点在常规Zone和顺序Zone分散存储，实现了运行时间和空间利用率指标的提升.
屠要峰等作者的论文“UStore：面向新型硬件的统一存储系统”为适配 NVMe SSD、持久内存、异构加速设备等新型硬件的特性，提出了一种兼容多种存储介质的统一存储系统 UStore. 该存储系统包括与物理存储介质形态解耦的元数据设计、高效的数据管理机制和更新策略，充分发挥了存储硬件的特性和性能.
杨勇鹏等作者的论文“一种 wandering B+ tree 问题解决方法”针对日志结构存储系统中B+ tree树结点异地更新会导致树结构递归更新的问题，提出 IBT B+ tree 的解决方法. 该方法将树结点逻辑索引和物理地址均存放在树结构中，同时引入 dirty 链表设计和非递归更新的 IBT B+ tree 下刷算法，实现在不引入额外开销的条件下解决wandering B+ tree的问题.
文宇鸿等作者的论文“多租户固态盘服务质量保障技术综述”深入分析了多租户固态盘服务质量保障面临的性能干扰、性能不公平及总体性能损失问题，分类介绍了以保障性能隔离、性能公平、优化总体性能为目标的研究工作及技术演进方向，总结了多租户固态盘服务质量保障技术的研究现状并对未来研究方向进行了展望.
胡浩等作者的论文“新型内存硬件环境中的事务管理系统综述”全面总结了新型硬件环境下的事务管理系统，阐述了当前基于新型硬件事务管理系统的技术路线，重点剖析了硬件事务内存和非易失性存储硬件下的事务管理系统的优势和不足，指明了新型硬件环境中事务管理系统潜在的发展方向以及面临的挑战.
本专题所录用的6篇论文中，1篇论文重点关注云系统中多维时间序列的故障检测，3篇论文重点关注新硬件环境下的存储系统设计及索引结构设计，2篇论文对基于新型硬件的事务管理系统和多租户固态盘服务质量保障技术进行了综述. 由于专题篇幅有限等原因，本专题无法全面覆盖存储领域各方面的最新研究进展，不当之处请同行学者批评指正! 感谢各位作者、审稿专家和编辑部的全力支持和辛勤付出!
舒继武 （清华大学）
王意洁 （国防科技大学）
2023年2月
计量
- 文章访问数: 1288
- HTML全文浏览量: 0
- PDF下载量: 638
下载:
