[發明專利]一種基于用戶App數據的個性化地點推薦方法及系統

在審

• 申請號: 202110325784.5
• 申請日: 2021-03-26
• 公開（公告）號: CN113076344A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 樊亞莉;陳翔;麥偉民;邱繼云;張琳
• 申請（專利權）人: 中山大學
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06F16/29
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

本發明公開了一種基于用戶App數據的個性化地點推薦方法及系統，該方法包括：獲取帶有地點信息的App使用記錄，得到數據集；從數據集中提取用戶對地點的歷史訪問行為、用戶特征和地點特征；根據用戶對地點的歷史訪問行為、用戶特征和地點特征得到用戶興趣表征和地點功能表征；根據用戶興趣表征和地點功能表征計算用戶對未訪問地點的興趣分數，并按照預設規則將地點推薦給用戶。該系統包括：記錄獲取模塊、數據提取模塊、表征模塊和推薦模塊。通過使用本發明，能夠提升個性化地點推薦性能。本發明作為一種基于用戶App數據的個性化地點推薦方法及系統，可廣泛應用于大數據領域。

技術領域

本發明涉及大數據領域，尤其涉及一種基于用戶App數據的個性化地點推薦方法及系統。

背景技術

隨著城市化進程的加快，用戶活動和地點功能越來越多元化，個性化地點推薦變得尤為重要。然而，由于地點繁多，單個用戶的地點訪問行為有限，個性化地點推薦面臨嚴重的數據稀疏問題，難以挖掘用戶興趣。為了解決這個問題，常引入外部數據源作為輔助信息。但是，現有的技術方案不能利用外部數據源同時輔助學習用戶興趣和地點功能，它們通常使用矩陣協同分解方法輔助學習其中一種信息，從而導致推薦效果欠佳。

發明內容

為了解決上述技術問題，本發明的目的是提供一種基于用戶App數據的個性化地點推薦方法及系統，同時促進用戶興趣挖掘和地點功能挖掘，進而提升個性化地點推薦性能。

本發明所采用的第一技術方案是：一種基于用戶App數據的個性化地點推薦方法，包括以下步驟：

S1、獲取帶有地點信息的App使用記錄，得到數據集；

S2、從數據集中提取用戶對地點的歷史訪問行為、用戶特征和地點特征；

S3、根據用戶對地點的歷史訪問行為、用戶特征和地點特征得到用戶興趣表征和地點功能表征；

S4、根據用戶興趣表征和地點功能表征計算用戶對未訪問地點的興趣分數，并按照預設規則將地點推薦給用戶。

進一步，所述從數據集中提取用戶對地點的歷史訪問行為、用戶特征和地點特征這一步驟，其具體包括：

S21、從數據集中提取用戶對地點的歷史訪問行為并統計每個用戶對每個地點的訪問次數，得到每個用戶對地點的訪問偏好；

S22、從數據集中統計每個用戶對每個App的使用次數，得到用戶特征；

S23、從數據集中統計每個地點下聚合的每個App的使用次數，得到地點特征。

進一步，所述從數據集中提取用戶對地點的歷史訪問行為并統計每個用戶對每個地點的訪問次數，得到每個用戶對地點的訪問偏好這一步驟還包括將訪問次數為0的地點劃分為未訪問地點。

進一步，所述根據用戶對地點的歷史訪問行為、用戶特征和地點特征得到用戶興趣表征和地點功能表征這一步驟，其具體包括：

S31、將用戶對地點的歷史訪問行為按照指定比例劃分為訓練集和測試集；

S32、基于圖卷積神經網絡，將用戶特征、地點特征作為輸入，將訓練集中的歷史訪問行為作為輸出真值，訓練得到用戶興趣表征和地點功能表征。

進一步，所述將用戶對地點的歷史訪問行為按照指定比例劃分為訓練集和測試集這一步驟具體包括：

對于每個用戶，隨機選擇該用戶訪問地點中70％的地點，將這些地點的訪問行為作為訓練集，設其余30％的地點用戶未訪問過，構成測試集。

進一步，所述基于圖卷積神經網絡，將用戶特征、地點特征作為輸入，將訓練集中的歷史訪問行為作為輸出真值，訓練得到用戶興趣表征和地點功能表征這一步驟，圖卷積神經網絡的訓練步驟具體包括：