[发明专利]一种基于层次结构的兴趣点推荐方法

权利要求书

1.一种基于层次结构的兴趣点推荐方法，其特征在于，包括：

在WMF法的基础上，通过融合地理位置信息，构建用于计算用户对兴趣 点的位置偏好的原始目标函数；其中，所述原始目标函数中包含兴趣点特征 矩阵、用户特征矩阵、用户活动区域矩阵以及兴趣点影响区域矩阵；

基于兴趣点与兴趣点隐性分类之间的关系，对所述兴趣点特征矩阵进行 分层处理，得到q层的兴趣点隐性层次结构，其中，q为正整数；

基于用户与用户隐性分类之间的关系，对所述用户特征矩阵进行分层处 理，得到p层的用户隐性层次结构，其中，p为正整数；

基于活动区域与活动区域隐性分类之间的关系，对所述用户活动区域矩 阵进行分层处理，得到h层的用户活动区域隐性层次结构，其中，h为正整数；

利用所述q层的兴趣点隐性层次结构、所述p层的用户隐性层次结构以 及所述h层的用户活动区域隐性层次结构，对所述原始目标函数进行优化， 得到相应的主目标函数；

利用所述主目标函数，确定用户对未曾到访兴趣点的偏好程度，并将偏 好程度大于预设值的兴趣点推荐给相应的用户。

2.根据权利要求1所述的基于层次结构的兴趣点推荐方法，其特征在于， 所述原始目标函数为：

并且满足如下条件：X≥0；

其中，⊙为用于表示两矩阵对应位置的元素相乘的符号，U表示所述用户 特征矩阵，V表示所述兴趣点特征矩阵，X表示所述用户活动区域矩阵，Y表 示所述兴趣点影响区域矩阵，R表示预估偏好矩阵，W表示权重矩阵，γ和λ 为预设参数。

3.根据权利要求2所述的基于层次结构的兴趣点推荐方法，其特征在于，

所述q层的兴趣点隐性层次结构为：V≈V₁V₂…V_q；

所述p层的用户隐性层次结构为：U≈U₁U₂…U_p；

所述h层的用户活动区域隐性层次结构为：X≈X₁X₂…X_h。

4.根据权利要求3所述的基于层次结构的兴趣点推荐方法，其特征在于， 所述主目标函数为：

并且满足如下条件：X_t≥0,t∈{1,2,...,h}。

5.根据权利要求4所述的基于层次结构的兴趣点推荐方法，其特征在于， 所述用户特征矩阵U中的任一层隐性结构U_i所对应的隐性因子u_i的更新方式 为：

u_i＝(V^TWⁱV+γI)^-1V^TWⁱ(r_i-Yx_i)；

其中，Wⁱ为N×N对角矩阵，r_i为u_i的评分列向量。

6.根据权利要求5所述的基于层次结构的兴趣点推荐方法，其特征在于， 所述兴趣点特征矩阵V中的任一层隐性结构V_j所对应的隐性因子v_j的更新方 式为：

v_j＝(U^TW^jU+γI)^-1U^TWⁱ(r_j-Xy_j)；

其中，W^j为M×M对角矩阵，r_j为v_j的评分列向量。