[发明专利]基于最大化接受者操作特征曲线下方面积的推荐方法

权利要求书

1.基于最大化接受者操作特征曲线下方面积的推荐方法，其特征在于：包括如下步骤：

1)通过用户签到数据构建用户的兴趣地点对集合和签到矩阵，该集合中包括该用户所有访问过和未访问的兴趣地点对；

2)根据集合构建最大化接受者操作特征曲线下方面积的目标方程；

预先定义：U代表用户集合，L来代表兴趣地点的集合；对于一个目标用户u，定义表示访问过的兴趣地点，表示未访问过的兴趣地点，所有的用户一兴趣地点的交互集合为在步骤2)中根据下式得到所述的目标方程

其中：x表示的是集合x的基数，π_ui表示访问过的兴趣地点i在目标用户u的推荐列表里的排列位置，π_uj表示未访问的兴趣地点j在目标用户u的推荐列表里的排列位置，是一个指示函数，当条件x满足时输出1，否则输出0；

3)对目标方程进行优化，再采用随机梯度下降的方法进行求解，迭代结束后，得到最终的用户隐矩阵和兴趣地点隐矩阵；

所述的对目标方程进行优化包括采用非平滑函数排序，再定义所述目标方程对于参数的导数：

其中q_j为兴趣地点隐向量，p_u为用户隐向量，为损失函数且为预测得分是用户u对未访问的兴趣地点的j的倾向指数，为正常数；

增加一个弗罗贝尼乌斯范数来作为正则项P和Q，即为用户隐矩阵P和兴趣地点隐矩阵Q，则得到新的损失函数：

α是平衡正则项的权重，对于任意的(u，i)∈D和有：

对于任意的(u，i)∈D和定义

表示访问过的兴趣地点i对于目标用户u的排序，表述未访问的兴趣地点j对于目标用户u的排序，ΔAUC表示交换两个兴趣地点后的AUC差的绝对值；

4)计算集合中的所有兴趣点对的距离，根据该距离计算邻接矩阵N；

对于m个用户和n个兴趣地点，定义稀疏矩阵来表示训练集，其中第u行表示用户u访问过的兴趣地点，第i列表示谁访问过兴趣地点i，如果用户u访问过兴趣地点i，则设置R_ui＝1，否则R_ui＝0；

使用高斯距离来测量两个兴趣地点的距离x_i是访问过的兴趣地点i的坐标，x_j是未访问过的兴趣地点j的坐标，σ是一个常数；所述邻接矩阵为K近邻矩阵

其中k＝10，N(l_i)是兴趣地点i的k个最近邻的集合；

定义签到矩阵为F_u，j是用户u访问访问过的兴趣地点i的次数；

5)对于每个用户的每个兴趣地点，根据步骤3)得到的用户隐矩阵P和兴趣地点隐矩阵Q，并结合邻接矩阵和签到矩阵计算地理上下文的排序矩阵；

定义签到矩阵为F_u，j是用户u访问访问过的兴趣地点i的次数，采用N_i和F_i来表示N和F第i行，所述地理上下文的排序矩阵根据下式计算：

代表了两个向量的点积和，p_i是用户隐矩阵P的第i行；

6)根据用户隐矩阵和兴趣地点隐矩阵得到预测的排序矩阵，将其与地理上下文排序矩阵分别进行加权后相加得到最后的推荐结果，所述预测的排序矩阵R^pre＝pQ^T。

2.如权利要求1所述的基于最大化接受者操作特征曲线下方面积的推荐方法，其特征在于：在步骤3)中，对于每一个访问过的兴趣地点，随机选取一个未访问过的兴趣地点组成兴趣地点对，以减少计算时间。

3.如权利要求1所述的基于最大化接受者操作特征曲线下方面积的推荐方法，其特征在于：在步骤6)中所述最后的推荐结果：

其中：μ∈[0，1]是控制地理影响的系数。