[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

说明书

本发明提供一种兼顾多样性与个性化的空间兴趣点推荐方法，涉及空间兴趣点推荐技术领域。包括：构建地理‑社会关系模型；计算模型中地点对在位置和社会联系上的相关度；构建相关度矩阵W；划分模型中构建的用户社会关系网络图G；计算在划分时的损失函数；选取令损失函数最小的特征向量并对图G中的顶点进行划分，得到k个具有多样性的兴趣点集合；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组成一个融合多样性与个性化的兴趣点推荐列表。本发明提供的一种兼顾多样性与个性化的空间兴趣点推荐方法，融合兴趣点的地理‑社会关系模型、谱聚类算法、矩阵分解算法，使得为用户推荐的兴趣点具备较高准确率的同时还兼顾了多样性。

技术领域

本发明涉及空间兴趣点推荐技术领域，具体涉及一种兼顾多样性与个性化的空间兴趣点推荐方法。

背景技术

随着移动互联网的发展和智能移动设备的普及应用，兴趣点(即用户感兴趣的地点，如餐馆、电影院、景点等)数据越来越丰富，同时也吸引了大量数据挖掘研究者的关注。一个良好的兴趣点推荐方法不仅可以为用户发现新的感兴趣的地点，扩宽用户视野，还应该有助于商家展开各种基于位置的服务，提高盈利收入。当前，大多数兴趣点推荐算法主要从三个方面展开研究，分别是兴趣点的地理特征、用户访问兴趣点的时间特征、访问兴趣点的用户的社会特征。Learning geographical preferences for point-of-interestrecommendation.Proceedings of the 19th ACM SIGKDD International Conference onKnowledge Discovery and Data Mining(KDD),2013,1043-1051.Liu等人通过综合计算用户对地点的兴趣、距离及兴趣点本身的受欢迎程度，获取用户对兴趣点的偏好程度；Aspatial-temporal probabilistic matrix factorization model for point-of-interest recommendation.Proceedings of the 2016Siam International Conferenceon Data Mining(SIAM),2016,117-125.Li等人结合地理因素和时间因素构建了用户的兴趣动态变化模型，以求获得更准确的兴趣点推荐效果；现有技术中还包括利用用户之间的社会联系对兴趣点推荐算法进行改进，使得兴趣点的推荐综合考虑了兴趣点的位置关系和访问兴趣点的用户之间的社会关系。然而，上述兴趣点推荐算法大都注重推荐结果的准确性，而忽略了推荐结果的多样性，导致推荐结果之间通常比较相似，从而不能有效扩展用户视野。

发明内容

针对现有技术存在的问题，本发明提供一种兼顾多样性与个性化的空间兴趣点推荐方法，融合兴趣点的地理-社会关系模型、谱聚类算法、矩阵分解算法，使得为用户推荐的兴趣点具备较高准确率的同时还兼顾了多样性。

为了实现上述目的，一种基于三层动态粒子群算法的多分类器模型构建方法，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、同事等关系；