Trust-aware location recommendation in location-based social networks

Kullanıcılar, LBSN'lerde (Konum Tabanlı Sosyal Ağ) konuma gömülü bilgiler aracılığıyla konumlarını diğer sosyal ağ kullanıcılarıyla paylaşabilmektedir. Kullanıcıların konumlar için yaptıkları giriş bilgilerinden oluşan sonuç veri seti kişiselleşmiş konum öneri sistemi inşa etmek için kullanılmaktadır. Güven, sosyal ağlara çeşitli ortamlarda öneri sistemlerine entegre edilmiş bir başka önemli kavramdır. Bu tezde, öneri performansını iyileştirmek için konum önerisi için iki yeni teknik olan TLoRW ve SgWalk öneriyoruz. İleri sürülen yaklaşımlarda LBSN öğeleri (kullanıcı- kullanıcı, kullanıcı-konum) ve aralarındaki ilişkiler çizge modeli kullanılarak temsil edilmektedir. Güven modellemesi için, LBSN kullanıcılarının güven puanlarını tahmin eden bir yöntem geliştirdik. Geliştirilen yöntemle, bir kullanıcının check-in geçmişine göre global güven puanı tahmin edilmektedir. Güven modeli, önerilen konum öneri algoritmalarında kullanılmak üzere LBSN grafik modeline entegre edilmiştir. İlk algoritma, TLoRW, rastgele yürüyüş tabanlı bir algoritma olup kullanıcının uzamsal bağlam bölgesini dolaşarak arkadaşlıklardan, uzmanlardan ve güvenilir kullanıcılardan yararlanarak kullanıcının mevcut konumuna dayalı konum önerileri üretir. Bu uzamsal bağlam bölge, mevcut konuma göre kullanıcının altçizgesi olarak oluşturulur. İkinci öneri algoritmasında, SgWalk, kullanıcı altçizgesini heterojen bir bilgi ağı olarak ele alarak yeni bir HIN yerleştirme tekniği öneriyoruz. Konum önerileri, kullanıcılar ve konumlar arasındaki yakınlığa bağlı olarak yapılan düğüm yerleştirmelerine dayalı olarak oluşturulmaktadır. SgWalk, uzamsal bağlama dayalı olarak oluşturulan kullanıcı altçizgelerini kullandığı için meta-path veya iki parçalı çizgelere dayanan önceki düğüm yerleştirme tekniklerinden farklıdır. Bu sayede, varlıklar arasındaki ilişkinin mekânsal bağlam açısından yakalanması amaçlanmaktadır. TLoRW ve SgWalk'un öneri performansı, ilk k konum önerilerindeki doğruluk değerlendirilerek bilinen veri setleri üzerinde gerçekleştirilen kapsamlı deneyler aracılığıyla analiz edildi. Deneyler, güven bilgilerinin konum önerisi performansını iyileştirmede önemli bir etkiye sahip olduğunu ortaya koymaktadır. Performans değerlendirme sonuçları, literatürde temel teknikler ve son zamanlarda yayınlanan güvene duyarlı öneri ve heterojen grafik gömme tekniklerine kıyasla önemli bir gelişme olduğunu göstermektedir.