《表3 Gowalla中不同时间分段方法的统计结果 (ns=4)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《TPR-TF:基于张量分解的时间敏感兴趣点推荐模型》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对于时间敏感的POI推荐，每天及一天中不同时间段的推荐结果也不同。推荐系统需要对时间段进行划分，得到用户在不同时间段的签到记录，进而获得用户对时间的行为偏好。已有的时间分段方法都是人为根据经验对签到记录按时间均匀划分。本文针对用户对较细时间粒度的需求，提出基于层次聚类的时间动态分段方法，时间划分更为合理。同时该算法也适合任意时间粒度划分下的POI推荐，具有通用性。表3、表4分别是在4段和8段时间划分下采用人为的常规时间分段和时间动态分段的方法结果比较。