پرهام مرادی دولت آبادی

نقاط موردعلاقه (POI) به‌عنوان مکان‌هایی که کاربران تمایل به بازدید از آن‌ها دارند، نقش مهمی در سیستم‌های توصیه‌گر و برنامه‌های مبتنی بر موقعیت مکانی ایفا می‌کنند. این نقاط می‌توانند اطلاعات ارزشمندی را برای پیش‌بینی رفتارهای آینده کاربران و ارائه توصیه‌های دقیق فراهم آورند. با رشد سریع داده‌های مکانی و شبکه‌های اجتماعی، ایجاد سیستم‌های توصیه‌گر هوشمند که بتواند علایق کاربران را به‌درستی شناسایی کند و مکان‌های جذاب و متناسب باسلیقه آن‌ها را پیشنهاد دهد، اهمیت ویژه‌ای پیدا کرده است. در این پژوهش، یک الگوریتم برای پیش‌بینی نقاط موردعلاقه کاربران معرفی شده است که با استفاده از شبکه روابط اجتماعی کاربران، به بهبود کارایی و دقت در توصیه نقاط موردعلاقه کمک می‌کند. روش پیشنهادی با بهره‌گیری از الگوریتم ادمیک/آدار تغییریافته برای سنجش شباهت بین دوستان، و الگوریتم جاکارد بهبود یافته برای پیش‌بینی نقاط موردعلاقه، عملکرد بهتری نسبت به روش‌های مرسوم ارائه داده است. این الگوریتم با تحلیل رفتار دوستان و حتی دوستان دوستان، قادر است به شکلی دقیق‌تر علایق کاربران را پیش‌بینی کرده و نقاط جدیدی را با دقت بیشتر توصیه کند. برای ارزیابی عملکرد الگوریتم، از معیارهای (Precision)، (Recall) و (F1Score) استفاده شده است. این معیارها که در پژوهش‌های مشابه نیز به‌طور گسترده استفاده شده‌اند، امکان مقایسه مستقیم نتایج را با سایر روش‌ها فراهم می‌کنند. نتایج تجربی نشان می‌دهند که روش پیشنهادی، به دلیل استفاده از شبکه دوستان و ارتباطات کاربران، دقت و جامعیت پیش‌بینی‌ها را به‌طور قابل‌توجهی افزایش داده است و در مقایسه با روش‌های مرسوم، توصیه‌های دقیق‌تر و متنوع‌تری ارائه می‌دهد.