[发明专利]一种评论信息对用户签到影响的度量方法

说明书

本发明涉及一种评论信息对用户签到影响的度量方法，首先通过张量分解得到用户每次签到的意图分类，然后通过隐马尔科夫模型对用户的下一步意图进行预测，得到用户的下一步访问意图；对1km范围内的同意图位置进行确定；选择模型参数；基于用户该意图的历史评论数据集构建语料库；通过该语料库来训练LDA主题模型，同时对1km范围内同属该意图的位置的评论数据集构建语料库训练LDA主题模型；分析得到的主题的相似性，利用JS距离求得主题相似性并得到top‑k个预测位置。本发明考虑了用户评论信息对用户下一步位置选择的影响，通过预测用户下一步意图，计算用户历史数据中与当前在范围内的位置主题相似性，预测下一个兴趣点。

技术领域

本发明属于位置预测领域，涉及一种评论信息对用户签到影响的度量方法。

背景技术

随着移动社交网络的快速发展和智能设备的普及，大量用户通过网络分享记录自己的个人签到，爱好等信息。通过类似Foursquare、Yelp等的位置服务应用与朋友分享他们的地理位置签到信息，LBSN通过位置信息将虚拟网络和地理空间联系在一起。用户通过在LBSN平台上对当前所处位置进行签到、评论、点赞等行为，可以主动将自己的爱好、心情、照片、活动等各种信息分享给他们的社交好友，而用户在一些终端APP中留下的数字轨迹更是精准地记录了人们在城市中的移动轨迹以及个人兴趣爱好信息。我们可以通过对所提供的信息进行分析，进一步为用户提供个性化的服务，商家还可以早一步了解用户的兴趣点倾向，提前做出准备，由此带来更多的利润，因此，兴趣点预测的研究具有重要的意义。

发明内容

有鉴于此，本发明的目的在于考虑用户的评论信息对用户下一步访问位置的影响，提供了分析用户评论信息对用户签到预测的方法。

为达到上述目的，本发明提供如下技术方案：

一种评论信息对用户签到影响的度量方法，包括以下步骤：

S1：对用户历史签到数据进行张量分解得到签到意图序列；

S2：利用隐马尔科夫模型对用户的下一步意图进行预测；

S3：确定当前位置1km为下一步位置预测范围；

S4：通过对评论信息的分析获的最优主题参数；

S5：对用户所属意图和范围内同意图的位置评论信息分别建模；

S6：利用JS距离求主题相似并预测top-k个位置。

进一步，在步骤S1中，基于用户的历史签到数据利用张量分解获得数据集中意图的特征，并利用这些特征采用分类算法，根据与用户的签到日期、时间以及位置，对签到位置进行意图分类；利用CORCONDIA算法求得张量分解中秩R的个数。

进一步，步骤S2中，将S1中得到的用户意图序列通过隐马尔科夫模型进行建模，将用户意图作为观察状态，签到位置作为隐藏状态，对用户的下一个签到意图进行预测。

进一步，在步骤S3中，通过分析数据集中用户签到序列间的距离确定用户签到位置的相差范围，缩小预测的稀疏性。

进一步，在步骤S4中，LDA模型主题数会影响模型效果，通过对不同主题数的迭代，利用主题一致性取得最优主题数。

进一步，在步骤S5中，基于用户和位置的评论信息构建LDA主题模型，通过模型的建立，获取评论数据集的主题分布，主题下的代表词分布。

进一步，在步骤S6中，对步骤S5中的得到的主题词概率分布，对相同主题词间求JS距离，并获得top-k个预测位置。