توسعه الگوریتم توصیه گر مکان احتمالاتی بر اساس دسته‌بندی مکان در شبکه‌های اجتماعی مکان‌مبنا مبتنی بر تأثیر زمانی، تأثیر مکانی و تأثیر روابط اجتماعی

یکی از سرویس‌هایی که در بین کاربران تلفن‌های همراه هوشمند با استقبال زیادی روبه‌رو شده است، سرویس‌های مبتنی بر شبکه‌های اجتماعی است. توصیه مکان یکی از سرویس‌های محبوب برای شبکه‌های اجتماعی مکان‌مبناست. این سرویس بر اساس پیشینه رفتار کاربر و اطلاعات مکان مانند دسته‌بندی مکان، مکان‌های بازدید نشده را به کاربران پیشنهاد می‌دهد. روش‌های موجود که از اطلاعات ثبت موقعیت کاربر و اطلاعات مکان، استفاده می‌کنند، تنها تأثیر مکانی و تأثیر زمانی را در توصیه مکان در نظر گرفته‌اند. با توجه به اینکه روابط اجتماعی کاربر می‌تواند بر عملکرد بهتر توصیه مکان تأثیر بگذارد، این تأثیر نیز می‌تواند نقش مهمی در توصیه مکان ایفا کند. در این پژوهش، الگوریتم توصیه مکان PCLRTGS با در نظر گرفتن تأثیر مکانی، تأثیر زمانی و تأثیر روابط اجتماعی توسعه داده‌شده است. در این الگوریتم، تأثیر مکانی با استفاده از تابع توزیع مکانی مدل‌سازی شده است. همچنین برای مدل‌سازی تأثیر زمانی، منحنی زمانی هر کاربر در هر دسته ایجادشده و شباهت این منحنی با منحنی‌های زمانی کاربران دیگر در آن دسته به‌دست‌آمده و این شباهت برای مدل‌سازی تأثیر زمانی بکار گرفته‌شده است. تأثیر روابط اجتماعی نیز با استفاده از سه معیار شباهت ارتباطات اجتماعی کاربر و دوستانش، شباهت فعالیت‌های ثبت موقعیت کاربر و دوستانش و شباهت زمانی رفتار ثبت موقعیت بین کاربر و دوستانش، مدل‌سازی شده است. الگوریتم توسعه داده‌شده با استفاده از دو معیار دقت و جامعیت ارزیابی‌شده و با دو الگوریتم PCLR و sPCLR در پنج گروه با تعداد توصیه‌های مختلف مقایسه شده است. نتایج نشان می‌دهد که الگوریتم پیشنهادی PCLRTGS ازنظر دقت و جامعیت، حدود 15-10 درصد عملکرد بهتری نسبت به دو الگوریتم PCLR و sPCLR دارد.