containing such graph nodes will be

containing such graph nodes will be respectively retrieved for up and uq. Second, we can find a set of similar subsequences (sseqp,q i ) from the given sequence pairs (seqp i and seqq i ). Here, a similar sequence stands for two individuals sharing the property of visiting the same sequence of places with similar time intervals. Third, based on the retrieved similar sequences, we calculate for the pair of users a similarity score (ssp,q) considering the following three common sense knowledge. —Sequence. The longer the similar sequence of visitation shared by two users, the more similar the two users might be. —Hierarchy.The finer the granularity of geographic regions shared by two individuals, the more similar these two individuals might be. —IDF. Two users visiting a geospatial region accessed by a few people might be more correlated than others sharing a location history accessed by many people. Consequently,weendowlocationsequencesofdifferentlengthswithdifferentsignificances. The longer a similar sequence is, the higher score this sequence can obtain. At the same time, the lower the layer a similar sequence was found, the higher similarity score the sequence obtains. (Refer to Section 3 for more details.)
2 . 4 . 3 . L o c a tio n R e c o m m e n d a tio n .
Figure 12 depicts the major procedures of the location recommendation. First, given a user (uk) as a query, we can rank other people in a community (uj ∈ U) according to their similarity score (ssk,j) touk. Then, a group of people (U) with relatively high similarity scores can be retrieved as potential friends for uk. Second, from the location histories (LH) ofuk’s potential friends, we are more likely to discover some geospatial regions (Loc) that might interest uk but have not been found by uk. Third, using our HGSM, a CF-based method is employed to infer the individual’s interest in the geospatial regions that uk has not visited previously. Consequently, the top-N geospatial regions with relatively high predicted ratings are recommended to uk. In addition, we understand the profile of a geographical region by exploring the categories of POIs within it. So far, four categories, consisting of “restaurants,” “entertainments,” “sports,” and “travel,” are exploited in our system. With this, we are able to find geospatial regions with similar profiles which enable us to integrate the content-based method into collaborative filtering. This approach can reduce the cold start problem of our systems. Also, such profiles endow us with the ability of filtering some unwanted locations likep eople’s homes.Moreover,it allows us to recommend various types of locations based on users’ requests on different occasions. In other words, we can recommend the regions containing some landscapes to a user if they wants

Kết quả (Việt) 1:

có chứa các nút biểu đồ sẽ được tương ứng lấy cho mặc và uq. Thứ hai, chúng tôi có thể nhiều một bộ tương tự như subsequences (sseqp, q tôi) từ cặp trình tự nhất định (seqp tôi và seqq tôi). Ở đây, một chuỗi tương tự như là viết tắt cho hai cá nhân chia sẻ tài sản của truy cập vào cùng một chuỗi những nơi có khoảng thời gian tương tự. Thứ ba, dựa trên các chuỗi tương tự như truy cập, chúng tôi tính toán cho cả hai người sử dụng một số điểm giống nhau (ssp, q) xem xét những kiến thức ba phổ biến ý thức sau đây. — Trình tự. Còn chuỗi tương tự như của thăm viếng được chia sẻ bởi hai người dùng, càng có nhiều tương tự như hai người dùng có thể. —Hierarchy.The finer granularity của vùng địa lý được chia sẻ bởi hai cá nhân, càng có nhiều tương tự như hai cá nhân có thể. — IDF. Hai người dùng truy cập vào một khu vực địa không gian truy cập bằng một vài người có thể có tương quan hơn hơn những người khác chia sẻ một lịch sử vị trí truy cập bởi nhiều người. Do đó, weendowlocationsequencesofdifferentlengthswithdifferentsignificances. Còn một chuỗi tương tự như là, số điểm cao hơn trình tự này có thể có được. Cùng lúc đó, các thấp hơn các lớp một chuỗi tương tự đã được tìm thấy, thu được dãy số điểm tương đồng cao hơn. (Hãy tham khảo phần 3 cho biết thêm chi tiết.)2. 4. 3. L o c một tio n R e c o m m e n d tio n.Hình 12 mô tả các thủ tục chính giới thiệu vị trí. Trước tiên, cho một người sử dụng (Anh) như một truy vấn, chúng tôi có thể xếp hạng người khác trong một cộng đồng (uj ∈ U) theo điểm tương tự của họ (ssk, j) touk. Sau đó, một nhóm người (U) với số điểm tương đối cao tương tự có thể được truy cập như bạn bè tiềm năng cho Vương Quốc Anh. Thứ hai, từ vị trí lịch sử (LH) ofuk bạn bè tiềm năng, chúng tôi có nhiều khả năng để khám phá một số khu vực không gian địa lý (Loc), mà có thể quan tâm Anh, nhưng đã không là tìm thấy bởi Vương Quốc Anh. Thứ ba, sử dụng HGSM của chúng tôi, một CF dựa trên phương pháp được sử dụng để suy luận của cá nhân quan tâm đến các khu vực địa không gian mà anh đã không truy cập trước đó. Do đó, các khu vực không gian địa lý đầu-N với xếp hạng dự đoán tương đối cao được đề nghị đến Vương Quốc Anh. Ngoài ra, chúng tôi hiểu profile của một khu vực địa lý bằng cách khai thác các loại địa điểm ưa thích bên trong nó. Cho đến nay, bốn loại, bao gồm "nhà", "giải trí", "thể thao", và "du lịch", được khai thác trong hệ thống của chúng tôi. Với điều này, chúng tôi có thể nhiều không gian địa lý khu vực với profiles tương tự mà cho phép chúng tôi để tích hợp các phương pháp dựa trên nội dung vào hợp tác filtering. Cách tiếp cận này có thể làm giảm vấn đề lạnh bắt đầu hệ thống của chúng tôi. Ngoài ra, như vậy profiles phú cho chúng tôi với khả năng của filtering một số địa điểm không mong muốn likep eople của ngôi nhà. Hơn nữa, nó cho phép chúng tôi khuyên bạn nên các loại địa điểm dựa trên yêu cầu của người dùng trong những dịp khác nhau. Nói cách khác, chúng tôi có thể khuyên bạn nên các khu vực có chứa một số cảnh quan cho người dùng nếu họ muốn

Kết quả (Việt) 2:

chứa các nút đồ thị như vậy sẽ được lần lượt lấy ra để lên và UQ. Thứ hai, chúng ta có thể fi nd một bộ subsequences tương tự (sseqp, qi) từ các cặp trình tự nhất định (seqp i và seqq i). Ở đây, một chuỗi tương tự là viết tắt của hai cá nhân chia sẻ tài sản của quý khách đến thăm cùng một chuỗi các địa điểm với khoảng thời gian tương tự. Thứ ba, dựa trên các trình tự lấy ra, chúng tôi tính toán cho các cặp của người sử dụng một số điểm tương đồng (ssp, q) xem xét ba kiến thức thông thường sau đây. -Sequence. Còn các trình tự tương tự của thăm viếng chia sẻ bởi hai người sử dụng, tương tự nhiều hơn hai người sử dụng có thể được. -Hierarchy.The Fi ner granularity của khu vực địa lý được chia sẻ bởi hai cá nhân, các giống hơn hai cá nhân này có thể được. -IDF. Hai người dùng truy cập vào một vùng không gian địa lý truy cập bởi một vài người có thể có nhiều tương quan hơn những người khác chia sẻ một lịch sử vị trí truy cập bởi nhiều người. Do đó, weendowlocationsequencesofdifferentlengthswithdifferentsignificances. Các con một chuỗi tương tự là, số điểm cao hơn trình tự này có thể có được. Đồng thời, dưới lớp một chuỗi tương tự đã được tìm thấy, sự tương đồng cao hơn điểm số trình tự lấy. (Tham khảo mục 3 để biết thêm chi tiết.)
2. 4 . 3. L OCA tio n R ecommenda tio n.
Hình 12 mô tả các thủ tục chính của đề nghị địa điểm. Đầu tiên, cho một người sử dụng (uk) như một truy vấn, chúng tôi có thể xếp hạng những người khác trong một cộng đồng (uj ∈ U) theo số điểm tương đồng (ssk, j) Touk. Sau đó, một nhóm người (U?) Với số điểm tương đồng tương đối cao có thể được lấy ra như những người bạn tiềm năng cho uk. Thứ hai, từ bạn bè tiềm năng lịch sử vị trí (LH) ofuk, chúng ta có nhiều khả năng để khám phá một số vùng không gian địa lý (Lộc) mà có thể uk quan tâm nhưng chưa được tìm thấy bởi uk. Thứ ba, sử dụng HGSM của chúng tôi, một phương pháp dựa trên CF được sử dụng để suy ra lợi ích của cá nhân trong các vùng không gian địa lý uk đã không truy cập trước đó. Do đó, N-top vùng không gian địa lý với xếp hạng tương đối cao dự đoán được khuyến khích để uk. Ngoài ra, chúng tôi hiểu các pro fi le của một khu vực địa lý bằng cách khai thác các loại POI bên trong nó. Cho đến nay, bốn loại, bao gồm các "nhà hàng", "giải trí", "thể thao" và "du lịch", được khai thác trong hệ thống của chúng tôi. Với điều này, chúng tôi có thể fi vùng nd không gian địa lý tương tự với pro fi les mà cho phép chúng tôi để tích hợp các phương pháp dựa trên nội dung vào hợp tác fi ltering. Cách tiếp cận này có thể làm giảm các vấn đề khởi động lạnh của hệ thống của chúng tôi. Ngoài ra, như vậy pro fi les phú cho chúng tôi với khả năng của fi ltering homes.Moreover một số vị trí không mong muốn likep eople, nó cho phép chúng tôi khuyên bạn nên loại khác nhau của các địa điểm dựa trên các yêu cầu của người sử dụng vào những dịp khác nhau. Nói cách khác, chúng ta có thể giới thiệu những vùng có chứa một số phong cảnh cho một người dùng nếu họ muốn