摘要：近年來,LBSN(Location-based Social Networks)作為一種典型的異質(zhì)信息網(wǎng)絡(luò)越來越受到大眾的關(guān)注。針對LBSN中用戶簽到信息十分稀疏的情況,文中提出了一種基于社區(qū)發(fā)現(xiàn)的興趣點推薦算法CBR(Community-Based Recommendation)。該算法首先在社交媒體層上計算目標(biāo)用戶與聚類后的興趣主題簇的相似度;其次通過興趣主題簇與地理位置簇之間的關(guān)聯(lián)矩陣R計算用戶在地理位置簇上的隸屬度;然后進(jìn)一步融合用戶的社交關(guān)系,從而得到用戶對各個興趣點的偏好分?jǐn)?shù);最后按照興趣點的分?jǐn)?shù)進(jìn)行排序,以實現(xiàn)Top-k推薦。實驗結(jié)果表明,該算法可以明顯提高興趣點的推薦質(zhì)量。