[发明专利]一种融入时间和地理位置信息的地点推荐方法

说明书

本发明公开了一种结合时间和地理位置信息的地点推荐方法，包括：1、获取用户地点签到数据；2、对用户的历史签到地点进行多中心聚类，得到用户活跃区域，结合用户活跃区域中心与用户未签到地点之间的距离，计算用户到未签到地点的概率；3、计算各个时间段之间的相似性，根据时间段之间的相似性，利用已有的签到数据对用户在未签到地点的签到次数进行填补，并根据填补后的签到数据计算时间感知下的地点相似性；4、结合用户到未签到地点的概率与时间感知下的地点相似性，预测用户在未签到地点的签到次数；5、对于每个用户，根据4中的预测值，选取预测值排名前N个地点进行推荐，生成最终的推荐结果。本发明能提高地点推荐的精准率和召回率。

技术领域

本发明是一种融入时间和地点位置信息的地点推荐方法，属于用户推荐系统技术领域。

背景技术

近年来，随着新兴电子商务服务兴起，互联网信息爆炸式增长，信息种类多样复杂，用户具有更多的选择。但是，由于信息过载，降低了用户的满意度，用户从纷繁复杂的物品(产品和服务)中选择自己感兴趣的物品变得越来越困难。推荐系统是一种解决这种信息过载问题的有效工具。推荐系统一方面能够帮助用户发现对自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，使生产者和消费者达到共赢效果。

协同过滤(Collaborative Filtering)技术是个性化推荐应用最早和最为成功的技术之一，在地点推荐中，协同过滤的方法是基于用户在地点的签到记录来进行个性化推荐。地点推荐中，协同过滤算法的核心思想可以分为两部分：首先，利用用户的历史签到信息计算用户或地点之间的相似性；然后利用与目标用户相似性较高的邻居用户在特定地点的签到次数，或者利用与目标用户已签到地点相似性较高的特定地点，来预测目标用户对特定地点的喜好程度。最后，根据这一喜好程度来对目标用户进行推荐。

目前，有学者发现，与传统的电子商务环境下的个性化推荐不同，在移动推荐环境下，用户和地点的地理位置直接影响个性化地点推荐的结果，用户与地点的距离越近，用户访问该地点的概率就越大，反之，概率越小，并将地理位置信息融入协同过滤中，提高了地点推荐的精度。

现有理论虽然可以为个性化地点推荐系统的构建提供理论基础和实践指导，但是仍然存在诸多缺陷与不足：

(1)地点推荐中，协同过滤算法只利用了用户在地点的签到次数来进行推荐，但由于用户签到数据稀疏性问题，推荐精度较差；

(2)现有理论中计算基于地理位置信息下用户到未签到地点的概率时，无差别地利用了用户的所有已签到地点信息，这样一方面会增加计算的复杂度，另一方面，如果用户可能偶然到一些偏远地点并有低频次签到，但这些低频率的地点并不是用户经常访问的地点，无差别地考虑这些地点会影响概率计算的结果，降低推荐结果的精度。

发明内容

本发明为了解决现有技术所存在的不足之处，提出融入时间和地理位置信息的地点推荐方法，以期能在综合考虑时间和地理位置因素的条件下实现地点推荐，从而提高推荐的精准率和召回率。

为了达到上述目的，本发明所采用的技术方案为：

本发明一种融入时间和地理位置信息的地点推荐方法的特点是按以下步骤进行：

步骤1：获取用户地点签到数据，所述用户地点签到数据的属性包括：用户、地点、地点经度、地点纬度和用户签到时间段；