Centre de documentation
scientifique

Contextual location recommendation for location-based social networks by learning user intentions and contextual triggers / Seyyed Mohammadreza Rahimi in Geoinformatica, vol 26 n° 1 (January 2022)  

Public [article]  inGeoinformatica > vol 26 n° 1 (January 2022) . - pp 1 - 28 Titre : Contextual location recommendation for location-based social networks by learning user intentions and contextual triggers Type de document : Article/Communication Auteurs : Seyyed Mohammadreza Rahimi, Auteur ; Behrouz Far, Auteur ; Xin Wang, Auteur Année de publication : 2022 Article en page(s) : pp 1 - 28 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] analyse spatiale [Termes IGN] comportement [Termes IGN] contenu généré par les utilisateurs [Termes IGN] covariance [Termes IGN] données spatiotemporelles [Termes IGN] historique des données [Termes IGN] interface web [Termes IGN] mobilité territoriale [Termes IGN] prise en compte du contexte [Termes IGN] réseau social géodépendant [Termes IGN] service fondé sur la position [Termes IGN] système de recommandation Résumé : (auteur) Location recommendation methods suggest unvisited locations to their users. Many existing location recommendation methods focus on the spatial, social and temporal aspects of human movements. However, contextual information is also invaluable to location recommendation methods and has the great potential for explaining what triggers users to show different behaviors. CLR learns the response of the users to contextual variables based on their own history and the history of similar behaving users. In this paper, we propose a contextual location recommendation method named Contextual Location Recommendation (CLR) that learns the intention and spatial responses of users to various contextual triggers using the historical check-in and contextual information. CLR starts with a co-variance analysis to reduce dimensionality of the check-in data and then uses an optimized version of the random walk with restart to extract hidden user responses to contextual triggers. A tensor factorization is used to build a latent-factor model to predict the user’s intention response with the given set of contextual triggers. Based on the intention response of the user, a contextual spatial component identifies a set of matching locations accessible to the user by estimating the probability distribution of the location of the user and the popularity probability of locations under the contextual settings. Experimental results on three real-world datasets show that CLR improves the recommendation precision by 35% compared to the best-performing baseline recommendation method. Numéro de notice : A2022-203 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article DOI : 10.1007/s10707-021-00437-y Date de publication en ligne : 02/06/2021 En ligne : https://doi.org/10.1007/s10707-021-00437-y Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=100008 [article]

Consolidation of crowd-sourced geo-ragged data for parameterized travel recommendations / Ago Luberg (2021)  

Public Titre : Consolidation of crowd-sourced geo-ragged data for parameterized travel recommendations Type de document : Thèse/HDR Auteurs : Ago Luberg, Auteur ; Tanel Tammet, Directeur de thèse Editeur : Tallinn [Estonia] : Tallinn University of Technology Année de publication : 2021 Importance : 159 p. Format : 21 x 30 cm Note générale : bibliographie Dissertation accepted for the defence of the degree of Doctor of Philosophy in Computer Science Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] apprentissage automatique [Termes IGN] base de données [Termes IGN] conception orientée utilisateur [Termes IGN] données localisées des bénévoles [Termes IGN] extraction de données [Termes IGN] géoréférencement [Termes IGN] point d'intérêt [Termes IGN] Riga [Termes IGN] site wiki [Termes IGN] système de recommandation [Termes IGN] Tallinn [Termes IGN] taxinomie [Termes IGN] tourisme Résumé : (auteur) The research covered in this thesis is focused on different aspects of the task of creating automated recommendations for tourism, focusing mostly on places of interest like beautiful views, architectural landmarks, charming areas etc. A significant amount of work has been spent on designing and developing actual recommender systems - Sightsplanner, Sightsmap and the automated recommender of Visit Estonia - and their data harvesting methods in order to create a platform for showing the feasibility of the new methods designed and experimented with. The main results of our research are split between three subfields: • Knowledge engineering: we have shown how to formalize fuzzy and uncertain POI categories along with suitable ontologies and reasoner-based algorithms for object matching and score calculation in a real-life context of actual POI-s, available data and easily expressable user preferences. • Machine learning: we have designed a learnable detection system for detecting duplicate POIs from different databases, usable for cross- category, cross-language and cross-city datasets. • We show that learning on Tallinn eateries improved the algorithm parameters to such a degree that on Riga data containing also museums and galleries it gave us 98% accuracy versus 85% accuracy achieved by tuning the algorithm parameters manually. • Knowledge extraction: we have designed an algorithm for high-quality keyword extraction from short crowd-sourced POI descriptions in different languages, able to find a suitable name and to add suitable types to the POI. Our clusterization algorithm is able to merge the POIs based on the extracted data: on the Panoramio and Wikipedia data about U.K. and French locations it was able to find 56% of Wikipedia objects from the textual titles/annotations of Panoramio pictures in the area. Note de contenu : 1- Introduction 2- Related work 3- Involvement in recommender projects 4- Data acquisition and information extraction 5- Data deduplication (using machine learning) 6- Location category and name detection 7- Data storage and object score calculation 8- Conclusions 9- Future work Numéro de notice : 28600 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Thèse étrangère Note de thèse : PhD Thesis : Computer Science : Tallinn University of Technology : 2021 DOI : 10.23658/taltech.23/2021 En ligne : https://doi.org/10.23658/taltech.23/2021 Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=99407

Behavior-based location recommendation on location-based social networks / Seyyed Mohammadreza Rahimi in Geoinformatica, vol 24 n° 3 (July 2020)  

Public [article]  inGeoinformatica > vol 24 n° 3 (July 2020) . - pp 477 – 504 Titre : Behavior-based location recommendation on location-based social networks Type de document : Article/Communication Auteurs : Seyyed Mohammadreza Rahimi, Auteur ; Behrouz Far, Auteur ; Xin Wang, Auteur Année de publication : 2020 Article en page(s) : pp 477 – 504 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] analyse spatiale [Termes IGN] contenu généré par les utilisateurs [Termes IGN] données localisées des bénévoles [Termes IGN] interface web [Termes IGN] modèle conceptuel de données localisées [Termes IGN] réseau social géodépendant [Termes IGN] système de recommandation Résumé : (auteur) Location recommendation methods on location-based social networks (LBSN) discover the locational preference of users along with their spatial movement patterns from users’ check-ins and provide users with recommendations of unvisited places. The growing popularity of LBSNs and abundance of shared location information has made location recommendation an active research area in the recent years. However, the existing methods suffer from one or more deficiencies such as data sparsity, cold-start users, ignoring users’ specific spatial and temporal behaviors, not utilizing the shared behaviors of the users. In this paper, we propose a novel location recommendation method, namely Behavior-based Location Recommendation (BLR). BLR recommends a location to a user based on the users’ repetitive behaviors and behaviors of similar users. Additionally, to better integrate the spatial information, BLR has two spatial components, a user-based spatial component to find the spatial preferences of the user, and a behavior-based spatial component to find locations of interest for different behaviors. Experimental studies on three real-world datasets show that BLR produces better location recommendations and can effectively address data sparsity and cold-start problems. Numéro de notice : A2020-370 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1007/s10707-019-00360-3 Date de publication en ligne : 25/05/2019 En ligne : https://doi.org/10.1007/s10707-019-00360-3 Format de la ressource électronique : url article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=95265 [article]

Improvement of a location-aware recommender system using volunteered geographic information / Sepehr Honarparvar in Geocarto international, vol 34 n° 13 ([15/10/2019])  

Public [article]  inGeocarto international > vol 34 n° 13 [15/10/2019] . - pp1496 - 1513 Titre : Improvement of a location-aware recommender system using volunteered geographic information Type de document : Article/Communication Auteurs : Sepehr Honarparvar, Auteur ; Rouzbeh Forouzandeh Jonaghani, Auteur ; Ali Asghar Alesheikh, Auteur ; Behnam Atazadeh, Auteur Année de publication : 2019 Article en page(s) : pp1496 - 1513 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique web [Termes IGN] actualité des données [Termes IGN] approche participative [Termes IGN] base de données localisées [Termes IGN] classement [Termes IGN] données localisées des bénévoles [Termes IGN] OpenStreetMap [Termes IGN] prise en compte du contexte [Termes IGN] qualité des données [Termes IGN] système de recommandation [Termes IGN] utilisateur Résumé : (auteur) Recommender systems (RS), as supportive tools, filter information from a massive amount of data based on the determined preferences. Most of the RS require information about the context of users such as their locations. In such cases, location-aware recommender systems (LARS) can be employed to suggest more personalized items to the users. The most current research projects on LARS focus on the development of algorithms, evaluation methods and applications. However, the role of up-to-date spatial databases in LARS is not a well-researched area. The up-to-date spatial information would potentially improve the accuracy of items which are recommended by LARS. Volunteered geographic information (VGI) could be a low-cost source of up-to-date spatial information for LARS. This article proposes an approach to enrich spatial databases of LARS by VGI. Since not all records of VGI are fitted for use in LARS, a mechanism is developed to identify useful information. Some VGI data sets refer to existing spatial data in the database while other VGI data sets are shared for the first time. Therefore, the proposed method assessed the quality of VGI with reference source (for VGI which is existed in the database) and VGI without reference source (for VGI which is shared for the first time). To demonstrate the feasibility of the proposed approach, a mobile application has been developed to recommend suitable restaurants to the users based on their geospatial locations. The evaluation of the method indicates that VGI can potentially enhance the functionality of the LARS in predicting the users’ interests. Numéro de notice : A2019-510 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/10106049.2018.1493155 Date de publication en ligne : 10/09/2018 En ligne : https://doi.org/10.1080/10106049.2018.1493155 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93810 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
059-2019131	RAB	Revue	Centre de documentation	En réserve L003	Disponible

Recommandation basée sur l'aide multicritère à la décision pour personnaliser l'échange d'information / Sarra Bouzayane in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 22 n° 6 (novembre - décembre 2017)  

Public [article]  inIngénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI > vol 22 n° 6 (novembre - décembre 2017) . - pp 71 - 91 Titre : Recommandation basée sur l'aide multicritère à la décision pour personnaliser l'échange d'information Type de document : Article/Communication Auteurs : Sarra Bouzayane, Auteur ; Inès Saad, Auteur ; Gilles Kassel, Auteur ; Faiez Gargouri, Auteur Année de publication : 2017 Article en page(s) : pp 71 - 91 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Formation [Termes IGN] aide à la décision [Termes IGN] analyse multicritère [Termes IGN] cours en ligne ouverts à tous [Termes IGN] système de recommandation Résumé : (auteur) Ce travail vise à aider les utilisateurs à trouver l'information pertinente qu'ils cherchent quand ils se trouvent face à une quantité grandissante de données numérisées produites par un nombre important d'acteurs distants et de profils hétérogènes. Nous proposons de recommander à chacun d'entre eux, une liste personnalisée d'« Apprenants leaders » susceptibles de l'accompagner durant son processus d'apprentissage médiatisé. L'approche repose sur une phase de prédiction périodique et incrémentale des « Apprenants leaders » basée sur l'aide à la décision multicritère et une phase de recommandation basée sur le filtrage démographique. Elle est validée dans un contexte des MOOC (Massive Open Online Courses). Numéro de notice : A2018-245 Affiliation des auteurs : non IGN Thématique : SOCIETE NUMERIQUE Nature : Article DOI : 10.3166/isi.22.6.71-91 En ligne : http://dx.doi.org/10.3166/isi.22.6.71-91 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=90305 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
093-2017061	SL	Revue	Centre de documentation	Revues en salle	Disponible

Recommandation contextuelle d'utilisateurs pour les plateformes de micro-blogging / Camelia Constantin in Ingénierie des systèmes d'information, ISI : Revue des sciences et technologies de l'information, RSTI, vol 21 n° 3 (mai - juin 2016)  

Permalink

Recommendations in location-based social networks: a survey / Jie Bao in Geoinformatica, vol 19 n° 3 (July - September 2015)  

Permalink