POI推荐算法

这里介绍的算法是基于地点相似度的POI推荐。

该算法非常简单，在某些数据场景中十分有效。

基本的想法是：

    将POI名称作为标签处理

    一群用户对某个地点感兴趣，那么这群用户中的一部分人感兴趣的其他地点可能与该地点相似；

算法流程：

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；

    我们可以粗略的认为，某个用户去地点a的次数超过一个阈值，他就对a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

这样，如果某个用户已经对地点a感兴趣，就可以为他推荐S中他没去过的地点。

参考：

http://en.wikipedia.org/wiki/Cosine_similarity

http://en.wikipedia.org/wiki/Jaccard_index