Recommender Systems for Location-based Social Networks

شبکه‌های اجتماعی آنلاین اطلاعاتی را از مخاطبین اجتماعی کاربران و تعاملات روزانه آن‌ها (برچسب‌گذاری عکس‌ها، رتبه‌بندی مشترک محصولات و غیره) جمع‌آوری می‌کنند تا توصیه‌هایی درباره محصولات یا دوستان جدید به آن‌ها ارائه دهند. اخیراً، پیشرفت‌های فناوری در دستگاه‌های تلفن همراه (به عنوان مثال تلفن‌های هوشمند) امکان ترکیب داده‌های موقعیت جغرافیایی را در شبکه‌های اجتماعی آنلاین سنتی مبتنی بر وب فراهم کرده است و عصر جدیدی از وب اجتماعی و موبایل را به ارمغان می‌آورد. هدف این کتاب گردآوری تحقیقات مهم در خانواده جدیدی از سیستم‌های توصیه‌کننده با هدف خدمت‌رسانی به شبکه‌های اجتماعی مبتنی بر مکان (LBSNs) است. فصل‌ها طیف گسترده‌ای از رویکردهای اخیر، از ابتدایی‌ترین تا پیشرفته‌ترین رویکردها را برای ارائه توصیه‌ها در LBSN معرفی می‌کنند.

این کتاب در سه بخش سازمان‌دهی شده است. بخش 1 مطالب مقدماتی را در مورد سیستم های توصیه گر، شبکه های اجتماعی آنلاین و LBSN ارائه می دهد. بخش 2 طیف گسترده ای از الگوریتم های توصیه را ارائه می دهد، از ابتدایی تا پیشرفته، و همچنین مقایسه ای از ویژگی های این سیستم های توصیه کننده. بخش 3 یک مطالعه موردی گام به گام در مورد جنبه های فنی استقرار و ارزیابی یک LBSN در دنیای واقعی ارائه می دهد که مکان، فعالیت و توصیه های دوستان را ارائه می دهد. مطالب پوشش داده شده در این کتاب برای دانشجویان فارغ التحصیل، معلمان، محققان و شاغلان در حوزه های داده کاوی وب، بازیابی اطلاعات و یادگیری ماشین در نظر گرفته شده است.

Online social networks collect information from users' social contacts and their daily interactions (co-tagging of photos, co-rating of products etc.) to provide them with recommendations of new products or friends. Lately, technological progressions in mobile devices (i.e. smart phones) enabled the incorporation of geo-location data in the traditional web-based online social networks, bringing the new era of Social and Mobile Web. The goal of this book is to bring together important research in a new family of recommender systems aimed at serving Location-based Social Networks (LBSNs). The chapters introduce a wide variety of recent approaches, from the most basic to the state-of-the-art, for providing recommendations in LBSNs.

The book is organized into three parts. Part 1 provides introductory material on recommender systems, online social networks and LBSNs. Part 2 presents a wide variety of recommendation algorithms, ranging from basic to cutting edge, as well as a comparison of the characteristics of these recommender systems. Part 3 provides a step-by-step case study on the technical aspects of deploying and evaluating a real-world LBSN, which provides location, activity and friend recommendations. The material covered in the book is intended for graduate students, teachers, researchers, and practitioners in the areas of web data mining, information retrieval, and machine learning.