[發明專利]一種時間感知的POI推薦方法

有效

• 申請號: 202011454790.2
• 申請日: 2020-12-10
• 公開（公告）號: CN112487307B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 錢鐵云;王營麗;姜聰聰
• 申請（專利權）人: 武漢大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/9537
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 齊晨涵

本發明公開了一種時間感知的POI推薦方法。該方法是一種利用不同時間特征下用戶的訪問特征提高POI的推薦準確度的方法。首先，提出基于不同時間尺度構建關系矩陣的思路，利用時間信息的特征，在不同時間段內構建的用戶與POI的關系矩陣，能夠更好的表示用戶與POI的表示；其次，對用戶?POI?時間三維張量矩陣執行張量分解得到不同時間特征下的用戶與POI的表示，對不同時間特征下的向量進行線性組合，這樣用戶和POI的表示中包含了不同時間維度的信息，有利于提高推薦的準確性。該POI推薦的方法采用RESCAL的張量分解技術，形成了一個直接，多維，信息利用率高的POI推薦模型，提高了POI推薦任務的效果。

技術領域

本發明涉及POI推薦領域，具體涉及一種時間感知的POI推薦方法。

背景技術

基于位置的社交網絡(LBSN)越來越受歡迎。在LBSN中，用戶通過共享他們的位置和以及與位置信息相關的內容來記錄自己的生活，并且發現更多感興趣的地點。興趣點(Point of Interest，POI)推薦是LBSN中的重要應用，其根據用戶歷史簽到記錄來學習用戶的特征，從而向用戶推薦可能感興趣的新POI。POI推薦可以緩解目前普遍存在的信息過載問題，幫助用戶從海量的地點中找到他們可能感興趣的未訪問過的POI。

POI推薦系統大多數是基于內存或者基于模型的協同過濾(CF)技術，并通過線性組合地理影響、社會影響和偏好相似性來進一步完善模型，提高性能。地理信息也已經在POI推薦中被廣泛應用，利用地理影響進行POI推薦的方法大致分為兩類，一種是利用地理鄰近度來改善用戶偏好，另一種是應用地理潛在因子或主題模型來推導區域或POI的潛在特征。除了地理信息之外，POI推薦的模型中還會利用分類信息或流行度信息等來提高推薦的準確度，但是相對于如何更好的利用時間信息達到更好的推薦效果還未能實現。

針對在POI推薦中時間信息利用不足的缺陷，本發明提出了一種時間感知的POI推薦模型，將時間信息結合到POI推薦中去，提高時間信息的利用程度，以進一步提高POI推薦的準確度。

發明內容

針對已有模型中的缺陷，本發明提供了一種時間感知的POI推薦方法。該方法考慮了如何利用不同時間特征的信息，提高了POI推薦的準確度。

本發明的技術方案如下：一種時間感知的POI推薦方法，其特征在于將時間信息結合到推薦模型中，包括以下步驟：

步驟1：對原始數據進行預處理獲得符號化表示，并且按照需求比例劃分訓練集、驗證集和測試集；

步驟2：構建基于時間特征的POI推薦模型，將訓練樣本與驗證樣本批量隨機地輸入基于時間特征的POI推薦模型中，開始迭代模型訓練過程，得到訓練集與驗證集上的評價指標，當驗證集上的指標不再上升或者迭代達到一定次數后停止，保存驗證集上的最優模型；

其中，構建基于時間特征的POI推薦模型包括：劃分時間段、基于時間特征構建關系矩陣、學習用戶與POI的表示、計算用戶對POI的感興趣程度；

步驟3：加載保存的在驗證集上評價指標最優的基于時間特征的POI推薦模型，將測試樣本批量送入模型中，輸出與保存推薦的結果。

進一步地，所述步驟1中的原始數據集包含相關的用戶信息、地點信息以及與其對應的用戶訪問記錄信息。

優選地，所述步驟2中劃分時間段具體為：根據每周以及每日兩個不同的時間特征構建用戶與POI的關系矩陣，每周劃分為工作日與周末，每日按照小時劃分為5個時間段，總共有10種不同的時間段。

優選地，所述步驟2中基于時間特征構建關系矩陣具體為：根據不同時間段下用戶訪問POI的記錄信息，每個時間段分別構建用戶和POI的交互矩陣；通過將多個時間段的關系矩陣排列形成一個由用戶、POI以及時間段構成的三維張量；分別為每周T1以及每日T2這兩個不同時間的尺度建立兩個獨立的張量。