Key points are not available for this paper at this time.
مع التطور السريع للشبكات الاجتماعية المعتمدة على الموقع (LBSNs)، أصبحت توصية العناصر المكانية وسيلة مهمة لمساعدة المستخدمين على اكتشاف المواقع المثيرة للاهتمام لزيادة تفاعلهم مع الخدمات المعتمدة على الموقع. على الرغم من أن حركة البشر تظهر أنماطاً متسلسلة في LBSNs، فإن معظم الدراسات الحالية حول توصيات العناصر المكانية لا تأخذ بعين الاعتبار التأثير المتسلسل للمواقع. ومع ذلك، فإن الاستفادة من الأنماط المتسلسلة في توصية العناصر المكانية تعتبر تحدياً كبيراً، نظراً ل: 1) بيانات تسجيل الوصول للمستخدمين في LBSNs تتمتع بمعدل عينة منخفض في كل من المكان والزمان، مما يجعل تقنيات التنبؤ الحالية على مسارات GPS غير فعالة؛ 2) مساحة التنبؤ ضخمة للغاية، مع ملايين المواقع المتميزة كهدف التنبؤ التالي، مما يعيق تطبيق نماذج سلسة ماركوف التقليدية؛ و 3) لا توجد إطار عمل قائم يوحد اهتمامات المستخدمين الشخصية والتأثير المتسلسل بطريقة مبدئية. في ضوء التحديات المذكورة أعلاه، نقترح إطار توصية شخصية مكاني متسلسل (SPORE) يقدم موضوع منطقة متغير كامن جديد لنمذجة ودمج التأثير المتسلسل مع الاهتمامات الشخصية في الفضاء الكامن والأسّي. تشمل مزايا نمذجة التأثير المتسلسل على مستوى موضوع المنطقة تقليص مساحة التنبؤ بشكل كبير، وتخفيف فعّال لندرة البيانات، وتعبير مباشر عن المعنى الدلالي لأنشطة المستخدمين المكانية. علاوة على ذلك، نصمم تقنية تجزئة حساسة للموقع غير متماثلة (ALSH) لتسريع عملية توصية العناصر العلوية على الإنترنت من خلال توسيع LSH التقليدي. نقوم بتقييم أداء SPORE على مجموعتين من البيانات الحقيقية ومجموعة بيانات صناعية كبيرة الحجم. تظهر النتائج تحسناً كبيراً في قدرة SPORE على توصية العناصر المكانية، من حيث الفعالية والكفاءة، مقارنة بالأساليب الحديثة.
درس وانغ وآخرون (Sun,) هذا السؤال.