[发明专利]基于用户兴趣度和地理位置的活动推荐方法

权利要求书

1.一种基于用户兴趣度和地理位置的活动推荐方法，其特征在于，包括如下步骤：

将用户所属群组进行分类，抽取群组里的群组信息数据、成员数据，以及该群组里的活动信息数据，并将其存储在数据库中，对这些数据进行语料模式匹配预处理操作；

针对上述数据，利用矩阵分解模型初步得到用户对于活动的兴趣度，筛选出用户感兴趣的活动数据集；

根据用户的社会化关系和用户的活跃度，利用用户间的相似相关性，得到用户对于活动的兴趣度，进一步筛选出用户感兴趣的活动数据集；

对活动发生的地理位置进行区域划分，根据用户在该区域内的活跃度，使用优化方法，确定用户最终感兴趣且参与的活动数据集；

根据成员用户的社会化关系，计算用户间的相似相关性的过程为：

步骤3.1)获取所有成员数据信息；

步骤3.2)获取成员的第一条数据信息；

步骤3.3)计算该成员参与的群组数；

步骤3.4)计算出该成员参与的所有活动数；

步骤3.5)计算出该成员平均每个群组参与的活动数；

步骤3.6)获取该成员共同参与某一活动的用户集；

步骤3.7)从用户集中获取用户j的第一条数据信息；

步骤3.8)计算该用户参与的群组数；

步骤3.9)计算出该用户参与的所有活动数；

步骤3.10)计算出该用户平均每个群组参与的活动数；

步骤3.11)获取用户i和用户j共同参与的群组集；

步骤3.12)分别计算用户i和用户j在相同群组中的活跃度；

步骤3.13)利用皮尔森相关系数，计算用户i和用户j之间的相似相关性；

步骤3.14)从用户集中获取用户j的下一条数据信息；

步骤3.15)判断该用户数据信息是否到达用户数据集末端，若是，转步骤3.16)，否则，转步骤3.8)；

步骤3.16)得到两用户之间前k个最大的相似相关性，存入表中；

步骤3.17)获取成员的下一条数据信息；

步骤3.18)判断是否到达用户数据集末端，若是，转步骤3.19)，否则，转步骤3.3)；

步骤3.19)更新Top表。

2.根据权利要求1所述的方法，其特征是，对活动数据集进行预处理的过程具体为：

步骤1.1)获取成员数据集信息；

步骤1.2)初始化所有用户感兴趣的活动向量，设为V；

步骤1.3)获取第一条成员数据信息；

步骤1.4)得到该成员用户的标签信息；

步骤1.5)初始化该用户的感兴趣的活动向量v；

步骤1.6)获取活动数据集信息；

步骤1.7)初始化所有活动兴趣标志为0；

步骤1.8)获取第一条活动数据信息；

步骤1.9)将该活动标签与用户的兴趣标签进行匹配，如果匹配，转步骤1.10)，否则，转步骤1.11)；

步骤1.10)计算匹配次数，并更新为该活动的兴趣标志；

步骤1.11)获取下一条活动数据信息；

步骤1.12)判断是否到达活动数据集末端，若到达，转步骤1.13)，否则，转步骤1.9)；

步骤1.13)删除活动兴趣标志为0的活动数据；

步骤1.14)更新该用户的感兴趣的活动向量v；

步骤1.15)获取下一条成员数据信息；

步骤1.16)判断该用户数据信息是否到达数据集末端，若到达，转步骤1.17)，否则，转步骤1.4)；

步骤1.17)更新所有用户感兴趣的活动向量集V。

3.根据权利要求2所述的方法，其特征是，利用矩阵分解模型初步得到用户对于活动的兴趣度的过程具体为：

步骤2.1)获取成员的所有数据集信息；

步骤2.2)获取成员-活动数据集信息；

步骤2.3)根据这些数据集得到成员的各个标签的权值比重；

步骤2.4)将其存入用户向量U中；

步骤2.5)利用向量分解模型，计算用户对活动的兴趣度。

4.根据权利要求2或3所述的方法，其特征是，利用相似相关性，计算用户对活动的兴趣度的过程为：

步骤4.1)获取用户的感兴趣的活动向量集V；

步骤4.2)利用相似相关性，计算用户对活动的兴趣度；

步骤4.3)更新用户感兴趣的活动向量集V。

5.根据权利要求1所述的方法，其特征是，基于地理位置的活动数据集优化的过程为：

步骤5.1)获取活动向量集V；

步骤5.2)根据活动的地理位置将其划分区域；

步骤5.3)获取所有成员数据集信息；

步骤5.4)计算用户在某一区域的活跃度；

步骤5.5)计算活动属于某一区域的概率；

步骤5.6)计算用户对活动的兴趣度；

步骤5.7)更新用户感兴趣的活动向量集V；

步骤5.8)完成用户感兴趣的活动推荐。