[發明專利]面向LBS的基于馬爾可夫預測算法的個性化推薦方法

有效

• 申請號: 201510925927.0
• 申請日: 2015-12-11
• 公開（公告）號: CN105488213B
• 公開（公告）日: 2019-05-24
• 發明（設計）人: 王岢;徐曉飛;葉允明
• 申請（專利權）人: 哈爾濱工業大學深圳研究生院
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 深圳市科吉華烽知識產權事務所(普通合伙) 44248
• 代理人: 孫偉

1.一種面向LBS基于Markov預測的個性化推薦方法，其特征在于：所述方法包括以下步驟：

步驟A：數據預處理，將原始的網頁數據解析為文本格式的數據，然后進行數據填充，采用如下算法：

(1)構造用戶項目評分矩陣；

(2)遍歷用戶項目評分矩陣，統計對項目i和對項目j有評分記錄的數目，得到集合set；

(3)遍歷集合set，采用下式計算集合set中元素與項目j的平均差值：

式中u_i為用戶u對i的評分，u_j為用戶u對j的評分，I為對項目i和項目j評分用戶集，number(u)為集合的數目；

(4)采用下式計算用戶u對項目j的預測評分p(u)_j以進行填充，

式中number(i,j)為集合的數目；

步驟B：使用用戶的情境信息來表示用戶的興趣點，從而對用戶興趣點的預測轉化為對用戶情境的預測；

步驟C：利用Markov預測算法對用戶興趣點進行預測：利用對用戶興趣點的評分對情境進行分類，記錄用戶情境轉移情況，并根據用戶的情境轉移情況形成一個時間觀察序列，進而使用Markov預測算法預測用戶下一個時刻的用戶的情境信息；

步驟D：融合用戶情境的地理位置信息，計算用戶興趣點的相似度，根據用戶興趣點的相似度進一步選擇最近鄰居集，得到更加精確的推薦列表。

2.根據權利要求1所述的個性化推薦方法，其特征在于：所述步驟A中利用爬蟲工具獲取網頁的信息并以XML文件的形式保存在本地硬盤。

3.根據權利要求1所述的個性化推薦方法，其特征在于：所述步驟C中對用戶興趣點進行預測具體為：

(1)采集實驗數據

收集用戶近段時間的用戶興趣點轉移的信息：把用戶某段時間內的活動可以看作一個時間序列，需要記錄用戶在特點的時間段所處的情境；

(2)處理實驗數據

得到用戶該段時間內用戶興趣點轉移的矩陣信息，并統計用戶在對應時間段的所在就餐情境的次數，計算出用戶在某段時間區間內出現在某一個興趣點出現的總數；

(3)計算用戶狀態轉移概率

統計出每個狀態出現的次數，以及統計各個狀態之間轉移的次數，再根據公式P(E_i→E_j)＝P(Ej/Ei)＝P_ij計算用戶狀態轉移概率，其中，E_i、E_j分別是一個事物的第i和第j個狀態，P_ij是用戶狀態轉移概率矩陣P的第i行第j列元素，由此可以得到用戶狀態轉移概率矩陣P；

(4)計算出狀態概率π

根據遞推公式：

計算出狀態概率π，式中p是事物的初始狀態。

4.根據權利要求1所述的個性化推薦方法，其特征在于：所述步驟D中用戶興趣點的相似度與用戶所處的情境信息有著緊密的聯系，根據情境的具體屬性融合到余弦相似度的計算公式中，得到相似度的計算公式：

式中α，β為權重值，取值0到1，contex為用戶興趣點的相關信息。