[發明專利]一種基于共現圖的興趣點推薦方法及系統

有效

• 申請號: 201710332672.6
• 申請日: 2017-05-12
• 公開（公告）號: CN107220312B
• 公開（公告）日: 2020-08-14
• 發明（設計）人: 李玉華;張軍;李瑞軒;辜希武;袁清亮;梁天安;徐明麗
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06F16/9537;G06Q50/00;H04L29/08
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 廖盈春;李智

本發明公開了一種基于共現圖的興趣點推薦方法及系統，推薦方法包含了數據收集與處理，共現圖構建，相似度計算，位置因素建模，以及用戶推薦五個過程?；诠铂F圖的興趣點推薦方法，其特征在于利用用戶的簽到數據構建興趣點之間的共現圖，之后基于共現圖計算節點之間的兩種相似性，進而根據圖中節點間的相似性對用戶進行興趣點推薦。本發明使用基于興趣點之間的相似性這一新的角度進行推薦，推薦方法充分挖掘了已有數據中的信息，解決了興趣點推薦過程中的稀疏性，以及大規模社交網絡中推薦方法的可伸縮性問題。

技術領域

本發明屬于數據挖掘和推薦技術領域，更具體地，涉及一種位置社交網絡中的基于共現圖的興趣點推薦方法及系統。

背景技術

興趣點(Point of interest，POI)推薦起源于基于位置的移動互聯網的發展，POI推薦是基于已有數據向用戶推薦其可能感興趣的位置。POI推薦服務對于基于位置的社交網絡(Location-based Social Network，LBSN)中的用戶以及商家都有莫大的益處，精準的推薦方法可以極大的節省用戶的時間，提升用戶的體驗度；同時商家能夠通過推薦系統發現潛在的顧客。以上原因促使POI推薦問題成為工業界與學術界中重要的研究問題。

POI推薦不同于傳統推薦，其特殊的挑戰在于：(1)隱式的反饋數據，數據中只有用戶的簽到信息，而沒有喜好信息；(2)位置影響較大，用戶更傾向于訪問較近的位置；(3)數據稀疏性問題，POI推薦中的數據稀疏性主要體現在：用戶簽到的POI數量稀少，對于簽到活動的描述信息簡短，同時缺乏POI本身的描述信息；(4)冷啟動問題，難以對新的用戶和新的POI進行精準的推薦；(5)時間特性，用戶在不同時間段訪問的位置類型差異性很大。時間敏感的POI推薦算法也是目前學術研究的熱點；(6)網絡動態性，LBSN網絡中，用戶的簽到信息每時每刻都在源源不斷的產生。增量式可擴展的POI推薦算法將更適用于生產實踐。以上的特殊性造成傳統的推薦方法不能夠直接運用到POI推薦問題中。

目前的解決方案主要是將POI推薦中的特有因素融入到普通推薦中去。已有的融入模型有兩種：融合模型和聯合模型。融合模型對不同的因素進行分別建模，并融合分別得到的推薦結果；聯合模型將多個因素統一到同一模型中建模，并給出唯一的推薦結果。POI推薦場景中特殊的因素包括了位置，時間，POI的類別等因素。已有的模型大多從用戶的角度出發對用戶的喜好和行為習慣直接建模，例如：基于用戶的協同過濾方法，以及使用概率圖模型對用戶訪問POI的決策過程進行建模。然而稀疏的簽到信息會削弱從用戶的角度出發對用戶興趣進行建模的效果。同時因為用戶的數量遠遠大于POI的數量，所以已有的研究模型具有較差的可伸縮性，難以適應大規模LBSN網絡中的實時位置推薦。

發明內容

針對現有技術的以上缺陷及改進需求，本發明的目的在于提供了一種基于共現圖的興趣點推薦方法及系統，由此解決現有技術中POI推薦中的數據存在的稀疏性問題，以及大規模社交網絡中POI推薦的可伸縮性較差的技術問題。

為實現上述目的，按照本發明的一個方面，提供了一種基于共現圖的興趣點推薦方法，包括：

S1、計算預先構建的共現圖中任意兩個節點間的相似性，所述相似性表示所述任意兩個節點之間的相近程度，其中，所述共現圖表示在基于位置的社交網絡LBSN中所有用戶已訪問的興趣點之間的共現關系，所述共現圖中的節點表示所有用戶已訪問的興趣點，所述共現圖中的邊的權重表示同時訪問過該邊對應的興趣點對的用戶數量；

S2、根據用戶u訪問的歷史位置集合L_u，由得到用戶u訪問位置l所處區域的概率，其中，l_ui∈L_u，n表示集合L_u的大小，σ表示最大化似然函數的帶寬，l屬于LBSN中所有用戶已訪問的興趣點，但不屬于L_u中的興趣點；