[發明專利]一種融入空間關系的POI推薦方法及推薦系統

有效

• 申請號: 202110055564.5
• 申請日: 2021-01-15
• 公開（公告）號: CN112800346B
• 公開（公告）日: 2022-10-14
• 發明（設計）人: 魏海濤;李柯;田智慧;赫曉慧
• 申請（專利權）人: 鄭州大學
• 主分類號: G06F16/9537
• 分類號: G06F16/9537;G06F16/9536;G06Q50/00;G06K9/62
• 代理公司: 鄭州科維專利代理有限公司 41102
• 代理人: 李天霞

本發明公開了一種融入空間關系的POI推薦方法及推薦系統，根據收集用戶在LBSN服務平臺上生成的時空信息和POI時空信息，依據所述時空信息確定所述用戶簽到行為受空間關系的影響模式；根據所述用戶生成的時空信息，劃分出用戶生活圈范圍，并通過此生活圈范圍構建用戶與POI間的空間關系影響模式，根據所述POI時空信息，使用KNN算法計算出每個POI的地理鄰居，并通過POI的地理鄰居構建POI與POI之間的空間關系影響模式；緩解了數據稀疏和隱性反饋問題。

技術領域

本發明涉及數據挖掘領域的推薦技術，具體涉及一種融入空間關系的 POI推薦方法及推薦系統。

背景技術

隨著社交網絡，全球定位技術和移動互聯服務的發展，基于位置的 社交網絡(Location-Based Social Network,LBSN)服務也隨之流行并改變人們 的日常生活；LBSN服務通過用戶的社交媒體將用戶訪問一個位置或簽到的信 息分享給社交網絡好友，通過這種簽到信息，可以發掘出用戶與其簽到位置的 相互關系，并以此幫助人們尋找他們感興趣的地方。因此導致了POI推薦技術 的興起。

POI推薦技術主要面臨的兩個主要問題：數據稀疏和隱性反饋。數 據稀疏，難以準確的對用戶行為進行建模；隱性反饋，即通過簽到數據難以得 知用戶偏愛。這兩個問題極大地影響了推薦技術的性能以及用戶對推薦結果的 滿意度。

發明內容

為了解決上述問題，本發明提供了一種融入空間關系的矩陣分解 POI推薦方法及推薦系統，緩解了數據稀疏和隱性反饋導致的推薦性能低的問 題。

本發明的目的是這樣實現的：

一種融入空間關系的POI推薦方法，包括以下步驟：步驟1：根據收集用戶 在LBSN服務平臺上生成的時空信息和POI時空信息，依據所述時空信息確定所 述用戶簽到行為受空間關系的影響模式；步驟2：根據步驟1中所述用戶生成的 時空信息，劃分出用戶生活圈范圍，并通過此生活圈范圍構建用戶與POI間的空 間關系影響模式，根據步驟1中所述POI時空信息，使用KNN算法計算出每個POI 的地理鄰居，并通過POI的地理鄰居構建POI與POI之間的空間關系影響模式；步 驟3：利用融入空間關系的矩陣分解方法得到用戶和POI的嵌入向量、用戶和POI 偏置項，通過預測公式對每個用戶可能會訪問的POI進行預測并將預測值按大小 進行排序，進行POI推薦。

所述步驟1中用戶在LBSN服務平臺上生成的時空信息和POI時空信息 包括：用戶歷史簽到記錄，用戶唯一編號，POI唯一編號，POI經緯度坐標，用 戶簽到時間。

所述步驟1中依據所述時空信息確定所述用戶簽到行為受空間關系的 影響模式包括：空間關系在用戶與POI之間的影響、空間關系在POI與POI之間的 影響。

所述步驟2中劃分出用戶生活圈范圍，并通過此生活圈范圍構建用戶 與POI間的空間關系影響模式包括：

生活圈半徑是通過實驗調整和理論分析得到的；

用戶活動中心是通過計算用戶歷史簽到數據得到的，其計算過程為：首先， 根據時空信息，統計用戶訪問的POI位置(經緯度)、頻率，假設每個POI的權 重相同，將用戶訪問過的POI經緯度分別累加，之后除以用戶訪問過的POI 個數計算出每個用戶的活動中心(以經緯度表示)；

對于用戶與POI之間的空間關系影響模式，使用非線性函數給予空間關系 影響一個指示值，所述衡量用戶與POI之間的空間關系的公式為：

其中，D_ui＝1，表示POI i在以用戶u活動中心為中 心的生活圈范圍內，反之不在。dis(i|u)是POI i距離用戶u往常活動中心的 距離，d是根據生活圈理論以及實驗測試所得出的生活圈半徑。