[发明专利]一种POI推荐方法及推荐系统

权利要求书

1.一种POI推荐方法，其特征在于，该方法包括：

根据从LBSN门户网站收集的用户和POI数据构建的用户-POI关系网络，利用网络嵌入方法学习得到用户和POI的嵌入向量；

根据用户和POI的嵌入向量，构建包括多种关于用户和POI的关联因子的动态因子图模型，并根据所述多个关于用户和POI的关联因子建立在时空社交网络上的联合分布，通过学习得到所述联合分布中的参数值；

计算得到使联合分布概率最大的因子图节点值，然后计算每个节点的边缘概率，并按边缘概率与倾向性乘积的大小将POI推荐给用户；

所述利用网络嵌入方法学习得到用户和POI的嵌入向量包括步骤：

将所述用户-POI关系网络划分为POI的区域划分关系、用户的好友关系和用户对POI的访问记录三个子网络；

利用所述POI的区域划分关系、用户的好友关系和用户对POI的访问记录三个子网络学习得到用户和POI的嵌入向量；

所述学习得到用户和POI的嵌入向量方法包括：

进行以下更新操作，直到目标函数收敛：

利用负采样方法，从ε_vv中采样一条边以及R条负边，从ε_vu中采样一条边以及R条负边，更新POI的嵌入向量；所述更新POI的嵌入向量的公式为：

其中，表示从POI区域划分关系子网络中嵌入学习得到向量和的目标函数，d(v_i，v_j)表示兴趣点v_i与v_j在地理上的距离，ε_vv表示POI区域划分关系子网络的边集，e_ij表示ε_vv中v_i与v_j之间的一条边，其中表示的转置向量；表示从用户对POI的访问记录子网络中嵌入学习得到向量和的目标函数；uk表示第k个用户，表示第k个用户的嵌入向量的转置向量，表示的转置向量，表示现有数据中用户u_j访问v_i的次数，ε_vu表示用户对POI的访问记录子网络的边集；

从ε_uu中采样一条边以及R条负边，从ε_uv中采样一条边以及R条负边，更新用户的嵌入向量；

其中，表示用户的好友关系子网络中嵌入学习得到向量和的目标函数，表示用户对POI的防问记录子网络中嵌入学习得到向量和的目标函数，表示现有数据中用户u_i与u_j的交互次数，表示现有数据中用户u_i访问v_j的次数，ε_uu表示用户的好友关系子网络中的边集，ε_uv表示用户对POI的访问记录子网络的边集。

2.根据权利要求1所述的方法，其特征在于：所述从LBSN门户网站收集的用户和POI数据包括：用户基本信息、POI基本信息、用户之间的好友关系、用户签到记录和用户评论，所述用户签到记录和用户评论包括文本内容、时间和地点。

3.根据权利要求1所述的方法，其特征在于：构建的动态因子图模型中关于用户和POI的关联因子包括：

倾向性关联因子，表示两个不同倾向之间的关联性，所述倾向为用户在某时刻访问POI的倾向；

地理-社交关联因子，表示用户和POI在某时刻的地理-社会信息与所述倾向之间的关联性；

距离关联因子，表示用户在某时刻与POI的距离与所述倾向之间的关联性；

情感关联因子，表示用户在某时刻对POI的情感与所述倾向之间的关联性；

时序关联因子，表示用户访问POI的倾向性在不同时间段之间的关联性。