[发明专利]一种兼顾多样性与个性化的空间兴趣点推荐方法

权利要求书

1.一种兼顾多样性与个性化的空间兴趣点推荐方法，其特征在于，包括以下步骤：

步骤1：根据移动社交网络应用软件提供的数据，构建地理-社会关系模型，具体步骤如下：

步骤1.1：根据移动社交网络应用软件中查询到的用户访问地点的纬度值lat和经度值lon，建立用户访问地点集合P，令P＝{p₁，...，p_i，...，p_n}，其中，p_i＝(lat_i，lon_i)，且i＝1，2，...，n；

步骤1.2：构建用户社会关系网络图G，令G＝(U，E)，其中，U为所有用户的集合，u_a∈U，u_b∈U，边(u_a，u_b)∈E为用户u_a和u_b具有朋友关系；所述用户u_a和u_b具有朋友关系是指用户双方互为登记在对方社交软件的好友列表里，或者他们是亲属、同事关系；

步骤1.3：建立所有用户的签到记录集合CK，令CK＝{＜u_a，p_i，t_r＞|u_a∈U，p_i∈P}，那么，访问过地点p_i的用户集合U_pi＝{u_a|＜u_a，p_i，*＞∈CK}，其中*表示任意时间；

步骤2：根据所构建的地理-社会关系模型中地点对之间的地理-社会距离，计算模型中地点对在位置和社会联系上的相关度；

步骤3：根据地理-社会关系模型的地点集合P中任意一对地点之间的相关度，构建n×n阶的相关度矩阵W，其中，w_ij为相关度矩阵中的元素，表示地点p_i和p_j之间的相关度；

步骤4：将构建的用户社会关系网络图G通过谱聚类算法中的规范割集准则划分成2个最优子图G₁和G₂，以N维向量q＝[q₁，q₂，...，q_N]记录用户社会关系网络图的划分方法；

步骤5：计算在划分最优子图时所截断的用户社会关系网络图G中边(u_a，u_b)的权重之和的函数，即损失函数Ncut(G₁，G₂)，损失函数为最小值时划分方案为最佳方案；所述损失函数的计算公式如下：

其中，L＝D-W，D为相关度矩阵W的对角矩阵，且有q^T为向量q的转置，d₁和d₂分别为用户社会关系网络子图G₁和G₂的权值之和，c₁和c₂均为常数，用于标记用户社会关系网络图G中的顶点o的聚类归属；

由于损失函数Ncut(G₁，G₂)经推导可化为广义瑞利熵的形式，根据瑞利熵性质可知，特征向量q为最小值时损失函数Ncut(G₁，G₂)也为最小值；

步骤6：根据瑞利熵性质，取前M个令损失函数Ncut(G₁，G₂)为最小值的特征向量q，组成N×M矩阵R，其中第o个行向量代表顶点o，利用k-means聚类对用户社会关系网络图G中的顶点进行划分，最终得到k个聚类，即k个具有多样性的兴趣点集合；

步骤7：根据用户个数以及k个兴趣点集合中兴趣点的个数，构建k个用户-兴趣点访问次数矩阵，采用矩阵分解算法分别对k个用户-兴趣点访问次数矩阵进行拟合，从k个兴趣点集合中各选取一个最能拟合用户偏好的兴趣点，最终得到一个融合多样性与个性化的兴趣点推荐列表；

所述步骤2中计算模型中地点对在位置和社会联系上的相关度的公式如下：

S(p_i，p_j)＝1-D_gs(p_i，p_j)；

其中，S(p_i，p_j)为地点对(p_i，p_j)在位置和社会联系上的相关度，D_gs(p_i，p_j)为地点对(p_i，p_j)之间的地理-社会距离；所述地点对(p_i，p_j)之间的地理-社会距离D_gs(p_i，p_j)的计算公式如下：

D_gs(p_i，p_j)＝ω·D_P(p_i，p_j)+(1-ω)·D_s(p_i，p_j)；

其中，D_P(p_i，p_j)为地点对(p_i，p_j)之间的地理距离，D_s(p_i，p_j)为地点对(p_i，p_j)之间的社会距离，ω为区间[0，1]内调节地点对(p_i，p_j)之间地理距离和社会距离在计算兴趣点的地理-社会距离时所占比重的参数；所述地点对(p_i，p_j)之间地理距离D_P(p_i，p_j)和社会距离D_S(p_i，p_j)的计算公式如下：

其中，E(p_i，p_j)为地点对(p_i，p_j)之间的欧氏距离，maxD为地点集合P中任意两点之间的最大距离，CU_ij为同时访问过地点p_i和地点p_j的用户集合，U_pi为访问过地点p_i的用户集合，U_pj为访问过地点p_j的用户集合。

2.根据权利要求1所述的兼顾多样性与个性化的空间兴趣点推荐方法，其特征在于，所述地点对(p_i，p_j)之间的欧氏距离E(p_i，p_j)的计算公式如下：

其中，lat_i、lon_i分别为地点p_i的纬度值和经度值，lat_j、lon_j分别为地点p_j的纬度值和经度值。