[发明专利]一种基于移动用户位置的网络服务推荐方法

说明书

本发明公开了网络方法技术领域的一种基于移动用户位置的网络服务推荐方法，该方法具体步骤如下步骤：S1：建立用户数据模型；S2：根据Pearson相关系数的计算方法计算出用户之间的相似度值；S3：根据已有的用户服务项目数据，将基于移动用户区域范围内的总用户数除以该区域范围内的面积得到人口密度；S4：根据用户之间相似度的大小，在候选邻居格栅区域内选择相似度大于指定阈值的用户作为近邻用户数；S5：采用加权平均法计算每一项目的服务评分，产生预测结果后为用户推送结果通知，本发明在网络服务的推荐过程中，将目标用户的地理位置融入其中，能够有效的提高网络服务的推荐准确性以及可靠性。

技术领域

本发明公开了一种基于移动用户位置的网络服务推荐方法，具体为网络方法技术领域。

背景技术

移动通信网的发展，为用户提供了一个更加丰富多彩的移动网络服务平台，实现了用户对网络信息资源随时随地的获取与推送，使得为用户提供无处不在的网络服务成为可能。尤其是现阶段移动社会化网络的兴起，为用户在网络信息服务、共享、评论等方面提供了极大的帮助，与此同时，服务类型与服务内容的日新月异，有限的移动网络资源和硬件资源，为移动用户带来了严重的移动信息过载问题，如何从浩瀚的移动网络环境中发现用户真正感兴趣的信息资源，丰富满足移动用户对信息个性化的需求，逐渐成为移动通信网络中个性化服务领域亟待解决的问题。为此，我们提出了一种基于移动用户位置的网络服务推荐方法投入使用，以解决上述问题。

发明内容

本发明的目的在于提供一种基于移动用户位置的网络服务推荐方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于移动用户位置的网络服务推荐方法，该方法具体步骤如下步骤：

S1：挖掘与分析每个用户使用的所有服务项目的评分，提取出用户-服务n×m阶实数矩阵R，其中n为所有用户的数量，m为所有用户服务项目的数量，矩阵R中的元素r_i，j表示用户i对服务项目j的评分，从而建立用户数据模型；

S2：根据Pearson相关系数的计算方法计算出用户之间的相似度值；

S3：根据已有的用户服务项目的数据，将基于移动用户区域范围内的总用户数除以该区域范围内的面积得到人口密度，由初始邻居待选人数除以人口密度得到格栅区域面积，再根据目标用户位置和格栅区域面积确定候选邻居的格栅区域；

S4：根据用户之间相似度的大小，在候选邻居格栅区域内选择相似度大于指定阈值的用户作为近邻用户数；

S5：采用加权平均法计算每一项目的服务评分，产生预测结果后为用户推送结果通知。

优选的，所述步骤S2中，用Pearson相关系数来计算相似度的方法为

其中，其中I_ij表示用户i和用户j共同评分过的项目集合，R_i,c与R_j,c分别表示用户i和用户j对项目c的评分，与分别表示用户i和用户j在各自所有已打过分项目上的评分平均值，当数据矩阵比较稀疏时，两用户同时评价的项目数目较少，这样用于计算相关系数的数据太少，计算得到的相关系数作为用户的相似很有可能没有反映实际情况，如考虑用来计算相关系数的项目数，则相似性更能反映实际情况。如果两用户同时评价的项目数越多，则给予更多的权重，反之，应给出更少的权重；若用户i和用户j，同时做出评价的项目数为m，则计算出的相似度的重要权重S_a，u按如下公式计算：