[發(fā)明專利]一種融合多源信息的興趣點推薦方法

有效

• 申請?zhí)枺?/td>: 201910347364.X
• 申請日: 2019-04-26
• 公開（公告）號: CN110110244B
• 公開（公告）日: 2023-08-29
• 發(fā)明（設計）人: 魏文國;楊恒泓;謝桂園;趙慧民;蔡君;戴青云
• 申請（專利權(quán)）人: 廣東技術(shù)師范大學
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/9536;G06Q50/00
• 代理公司: 廣州三環(huán)專利商標代理有限公司 44202
• 代理人: 顏希文;麥小嬋

本發(fā)明實施例公開了一種融合多源信息的興趣點推薦方法，所述方法包括：獲取用戶的當前位置，從預設興趣點數(shù)據(jù)庫中查找出距離用戶當前位置低于預設距離的興趣點的興趣點信息，并且獲取用戶對目標地點以及鄰域地點的偏好，所述興趣點為用戶以簽到、評價的方式記錄的訪問地點，所述興趣點數(shù)據(jù)庫為所述興趣點的集合；基于興趣點流行度與訪問量對用戶相似度的影響來計算社交網(wǎng)絡中用戶好友與用戶之間的相似度值，獲取所述相似度值高于預設相似度值的用戶好友的好友興趣點數(shù)據(jù)庫；獲取用戶好友在用戶當前位置低于預設距離的好友興趣點，結(jié)合用戶對鄰域地點的偏好向所述用戶推薦所述興趣點。采用本發(fā)明，可以精確的對用戶進行興趣點的推薦。

技術(shù)領域

本發(fā)明涉及推薦領域，特別是涉及一種融合多源信息的興趣點推薦方法。

背景技術(shù)

隨著LBSN(Location-based?Social?Network，基于位置的社會網(wǎng)絡)?的發(fā)展，越來越多的用戶通過LBSN來分享他們的訪問信息，但由于在時間的積累中，用戶數(shù)量不斷增加，產(chǎn)生的信息量呈指數(shù)性增長，會導致信息超載現(xiàn)象嚴重，個性化興趣點推薦系統(tǒng)應運而生。然而，目前的推薦方法忽略了興趣點屬性對用戶相似度的影響，無法充分挖掘地理位置與社交關(guān)系之間的關(guān)系。

發(fā)明內(nèi)容

為了解決上述問題，本發(fā)明提供了一種融合多源信息的興趣點推薦方法，通過考慮興趣點屬性對用戶相似度的影響，同時結(jié)合用戶對鄰域地點的偏好來精確的對用戶進行興趣點的推薦。

基于此，本發(fā)明提供了一種融合多源信息的興趣點推薦方法，所述方法包括：

獲取用戶的當前位置，從預設興趣點數(shù)據(jù)庫中查找出距離用戶當前位置低于預設距離的興趣點的興趣點信息，并且獲取用戶對目標地點以及鄰域地點的偏好，所述興趣點為用戶以簽到、評價的方式記錄的訪問地點，所述興趣點數(shù)據(jù)庫為所述興趣點的集合；

基于興趣點流行度與訪問量對用戶相似度的影響來計算社交網(wǎng)絡中用戶好友與用戶之間的相似度值，獲取所述相似度值高于預設相似度值的用戶好友的好友興趣點數(shù)據(jù)庫；

獲取用戶好友在用戶當前位置低于預設距離的好友興趣點，結(jié)合用戶對鄰域地點的偏好向所述用戶推薦所述興趣點。

其中，所述興趣點信息包括興趣點名稱、興趣點位置信息、興趣點所屬行業(yè)。

其中，所述興趣點位置信息包括興趣點所述省、市、區(qū)、街道及興趣點經(jīng)度坐標值、興趣點緯度坐標值。

其中，所述方法還包括對所述興趣點做標簽，所述標簽包括：家、學校、公司。

其中，所述方法還包括將所述好友興趣點的導航路徑信息及與所述好友興趣點導航路徑信息對應的地圖數(shù)據(jù)推薦給用戶。

其中，所述考慮興趣點流行度與訪問量對用戶相似度的影響來計算社交網(wǎng)絡中用戶好友與用戶之間的相似度包括：

其中，λ_k為興趣點屬性影響參數(shù)，計算公式如下圖：

SIM(i,v)代表用戶i跟用戶v之間的相似度，r_ik，r_vk分別代表用戶i和用戶v在興趣點k的訪問次數(shù)，i_k代表在興趣點k簽到的人數(shù)，?m代表用戶的總?cè)藬?shù)，S_ik代表用戶i是否在興趣點k進行簽到，S_vk代表用戶v是否在興趣點k進行簽到，取值1代表簽到過，取值0代表沒有簽到。

其中，所述方法還包括根據(jù)所述興趣點所屬行業(yè)推薦與所述興趣點所屬同一行業(yè)的地點。

本發(fā)明還提供了一種融合多源信息的興趣點推薦設備，所述興趣點推薦設備包括：