基于地点相似度的POI推荐以及路径重组【matlab】
这里设计的POI推荐算法是参考于POI推荐算法，简单来说，就是利用用户访问POI的频次作为POI之间相似度的测度。
具体描述以及代码展示如下：
数据预处理
随机抽取若干行数据
首先我们要进行数据清洗，我们将456967行数据，10000多名用户参与的Gowalla数据进行预处理
为避免数据的偶然性对实验产生的偏差影响，我们在获取数据的同时，随机抽取10000行数据进行实验，代码如下：
生成Excel文件后，按照用户编号升序或者降序排列，因为在下面过滤数据的操作中，需要利用这样的排列结构进行过滤操作
2.数据过滤
过滤掉同一个user_id下，记录少于10行的数据，这样，保留下来的user_id，至少拥有10次访问Poi的签到数据
代码如下：
算法设计
下面来逐行用代码解释算法每一步操作步骤
1）输入地点a, 用户集合X，地点集合Y、用户和地点关系集合
2）找到对a感兴趣的用户子集U；
在我们的实践中，设地点a为poi_id是15693的节点，阈值设为theta=2,即同一个用户访问同一个Poi的次数超过theta，我们可以认为该用户对该poi感兴趣
3）分别找到U中用户感兴趣的地点，组成地点子集A
4）分别计算A中元素e和a的相似度
sim = |U中去过e的人次| / sqrt(|X中去过a的人次| * |X中去过e的人次|)
这里用了人次，而没有用人数
5）按sim对A中元素从大到小排序，取sim最大的n个地点作为a的相似地点子集S
6）输出S
在这里顺便值得一提的是，在初始化count_1向量时，之所以设置为0.1*ones()矩阵，是因为这巧妙的规避了poi或者是用户编号为0的误差，因为我们之前使用类似功能的any()函数保留了非零元，之后再“四舍五入”，round（）一下，这样原本为0.1的数据依然是0，我们就可以放心的将此零元“过滤掉”（unique函数过滤）
进行个性化选择
考虑到用户可能有几日游的习惯，我们设置Day变量，下面是假设，假设用户半日游，如下，则给我们推荐3个景点，分别是Sim值较高的前三个POI节点。如下所示：
最后进行路径重组
我们使用Ant Colony算法进行路径重组，由于原始Gowalla数据格式不包含坐标信息，因此我们要将经纬度进行转化计算，这里可以参考我写的程序，启发函数为欧氏距离的倒数，其结果如下所示：
