[發(fā)明專利]基于地理位置融合和類別流行度的興趣點推薦方法

有效

• 申請?zhí)枺?/td>: 202010532340.4
• 申請日: 2020-06-11
• 公開（公告）號: CN111680228B
• 公開（公告）日: 2022-03-18
• 發(fā)明（設(shè)計）人: 莊毅;黃智浩
• 申請（專利權(quán)）人: 浙江工商大學(xué)
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/9535;G06F17/18;G06F17/16;G06Q50/00
• 代理公司: 杭州浙科專利事務(wù)所(普通合伙) 33213
• 代理人: 吳秉中

1.基于地理位置融合社交影響和類別流行度的矩陣分解興趣點推薦方法，其特征在于，包括以下步驟：

步驟一，獲取位置社交網(wǎng)絡(luò)中所有用戶及候選興趣點的歷史簽到信息，基于所述所有用戶的歷史簽到信息構(gòu)建用戶-興趣點簽到矩陣，以用戶角度出發(fā)將用戶的活動區(qū)域?qū)Φ乩硇畔⑦M(jìn)行建模，以興趣點角度出發(fā)將地理信息建模為候選興趣點鄰居的簽到次數(shù)，通過結(jié)合用戶和興趣點兩個角度的影響，計算得出目標(biāo)用戶的地理相關(guān)系數(shù)所述所有用戶包括目標(biāo)用戶及相關(guān)用戶，u表示目標(biāo)用戶u，v表示相關(guān)用戶v，l_i表示興趣點地點i；

步驟二，獲取所有用戶的社交網(wǎng)絡(luò)信息，基于所述用戶的社交網(wǎng)絡(luò)信息和用戶的歷史簽到信息，計算得到社交簽到頻率分布s(x)，基于社交簽到頻率分布s(x)采用累積分布函數(shù)計算出所述目標(biāo)用戶與興趣點之間的社會相關(guān)系數(shù)S(x_u,l)，x_u,l為所述目標(biāo)用戶的社交簽到頻率；

步驟三，基于所述所有用戶的歷史簽到信息，計算得到目標(biāo)用戶對候選興趣點類別的偏好和所述候選興趣點的流行度，基于所述用戶對類別的偏好和所述候選興趣點的流行度計算出興趣點的類別流行度分布c(y)，基于所述興趣點的類別流行度分布c(y)采用累積分布函數(shù)計算得出所述目標(biāo)用戶與興趣點之間的類別流行度相關(guān)系數(shù)C(y_u,l)，y_u,l為所述候選興趣點的類別流行度；

步驟四，通過概率矩陣分解方法將步驟一形成的地理信息模型、步驟二形成的社會相關(guān)系數(shù)和步驟三形成的類別流行度相關(guān)系數(shù)以及潛在特征相融合，形成興趣點推薦模型，計算所述目標(biāo)用戶的推薦分?jǐn)?shù)Rec_u,l，用于面向用戶的個性化興趣點推薦；

步驟五，基于推薦分?jǐn)?shù)Rec_u,l生成推薦信息；

步驟一具體如下：

獲取所述所有用戶的總數(shù)U、所述候選興趣點的總數(shù)L、所述用戶-興趣點簽到矩陣R_|U|×|L|，其中每個r_u,l∈R代表所述目標(biāo)用戶u到候選興趣點l的簽到頻率，L_u代表所述目標(biāo)用戶u簽到過的所有候選興趣點；

基于公式計算所述目標(biāo)用戶的地理相關(guān)系數(shù)

2.根據(jù)權(quán)利要求1所述的基于地理位置融合社交影響和類別流行度的矩陣分解興趣點推薦方法，其特征在于，步驟二具體如下：

基于公式計算所述社交簽到頻率分布s(x)；

基于公式計算所述目標(biāo)用戶與興趣點之間的社會相關(guān)系數(shù)S(x_u,l)。

3.根據(jù)權(quán)利要求2所述的基于地理位置融合社交影響和類別流行度的矩陣分解興趣點推薦方法，其特征在于，步驟三具體如下：

基于公式計算所述興趣點的類別流行度分布c(y)；

基于公式所述目標(biāo)用戶與興趣點之間的類別流行度相關(guān)系數(shù)C(y_u,l)。

4.根據(jù)權(quán)利要求3所述的基于地理位置融合社交影響和類別流行度的矩陣分解興趣點推薦方法，其特征在于，步驟四具體如下：

基于公式計算所述目標(biāo)用戶的推薦分?jǐn)?shù)Rec_u,l，P(r_u,l|g_u,h_l,θ_u,θ_l)表示目標(biāo)用戶u在興趣點l上的偏好，r_u,l表示目標(biāo)用戶u在興趣點l上簽到的次數(shù)，θ_u和θ_l表示用戶偏差和興趣點偏差。

5.根據(jù)權(quán)利要求4所述的基于地理位置融合社交影響和類別流行度的矩陣分解興趣點推薦方法，其特征在于，步驟五具體如下：

按照所述推薦分?jǐn)?shù)Rec_u,l由高到低排序獲取得到預(yù)設(shè)的top-N個候選興趣點；

按照所述推薦分?jǐn)?shù)Rec_u,l由高到低基于所述獲取得到的候選興趣點生成推薦列表。