ارائه سیستم توصیه گر زمانمند، ترجیح آگاه و مکان آگاه در شبکه اجتماعی مکان مبنا

رشد سریع شبکه های اجتماعی مکان مبنا به واسطه ی جذب میلیون ها کاربر، نشان از محبوبیت زیاد آن ها در مدت زمانی کوتاه دارد. با تجزیه و تحلیل داده های این شبکه ها درزمینه ی مکانی، زمانی و اجتماعی، می توان سرویس های ع ن ارا کرد. سیستم های توصیه گر ازجمله سرویس های مکان مبنای محبوب این شبکه ها محسوب می شود. سیستم های توصیه گر، با بهره گیری از تکنیک های آماری و تکنیک های کشف دانش، به توصیه مکان های جدید و کاهش مشکلات ناشی از حجم زیاد داده ها می پردازند. هدف پژوهش حاضر، ارائه روشی نوین برای توصیه مکان های جدید به کاربران بر اساس پیشینه مکانی آن ها است. روش ارائه شده، مجموعه ای از مکان های نزدیک به موقعیت کاربر را با در نظر گرفتن شرایط زمانی، فاصله جغرافیایی بین کاربران و همچنین ترجیحات مکانی کاربر که به طور خودکار از پیشینه مکانی او به دست می آید، پیشنهاد می دهد. در این روش، از پالایش محتوای اطلاعاتی، در راستای برآورد میزان علاقه کاربر به مکان های بازدید شده استفاده می شود. از پالایش مشارکتی نیز برای محاسبه مشابهت بین کاربران و پیش بینی میزان علاقه کاربر هدف به مکان جدید، بر اساس تجمیع امتیازات داده شده توسط کاربران مشابه، استفاده می شود. درنهایت ترکیب این دو روش، امکان ارائهk مکان دیدنی را در فاصله D_2 از کاربر سواره در بازه زمانی فعلی فراهم می سازد. در این مقاله از داده های نقطه-مکان شبکه Gowalla مربوط به شهر پکن چین در بازه زمانی بین اکتبر 2011 تا نوامبر 2011 استفاده شده است. به منظور بررسی عملکرد روش پیشنهادی، نتایج به دست آمده ازاین روش، با نتایج دو روش پایه در سیستم توصیه گر مقایسه شد. درنهایت توصیه مکان توسط این روش، نسبت به روش های توصیه کاربر آگاه بر اساس پالایش مشارکتی به روش باینری و GM-FCF، به ترتیب حدود 15 و12 درصد افزایش دقت را نشان می دهد.