[发明专利]面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法

权利要求书

1.面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法，其特征在于，包括如下步骤：

步骤一、获取用户签到数据信息，包括用户信息、位置信息和时间信息；

步骤二、通过所述位置信息提取访问位置地理特征，通过所述时间信息提取用户时间特征，根据所述访问位置地理特征和所述用户时间特征得到用户特征向量后，得到基于用户模糊聚类算法的位置推荐；以及

根据所述时间信息和所述位置信息计算各个位置在各个时间段的位置吸引力后，得到基于位置吸引力的位置推荐；

步骤三、根据所述位置推荐通过协同过滤方法预测时间感知下用户对每个未签到位置的访问值；

步骤四、给定目标用户和时间，筛选所述每个未签到位置的在前N位的访问值Top-N的位置，对用户进行推荐。

2.如权利要求1所述的面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法，其特征在于，在所述步骤二中，通过所述位置信息提取访问位置地理特征包括：

将每个位置生成关于经纬度的二维特征向量，随机生成k个聚类中心C_k(0)＝{l₁,l₂,...,l_k}；

计算每个位置到各个聚类中心的距离，并将该位置分配给距离最小的簇，其计算方法如下：

d_k(l,C_k(r))＝min[dist(l,l_k)],k＝1,2,...,K；

将所有的位置分为k个簇后，计算每个用户u在k个簇上的地理特征向量，其计算方法如下：

其中，l表示位置，k表示聚类中心个数，L表示所有的位置，R'表示地球半径，dist(l,l_k)表示位置l到聚类中心l_k的地球表面距离，r表示迭代次数，C_k(r)为迭代次数为r时的k个聚类中心，d_k(l,C_k(r))表示每个位置到各个聚类中心的距离的最小值，R表示数据集上的所有签到数据，表示在数据集上的所有签到数据上，用户在簇f_k下的地点上有一次访问记录；用户没有访问则

3.如权利要求1或2所述的面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法，其特征在于，在所述步骤二中，通过所述时间信息提取用户时间特征过程包括：

在提取所述时间特征时，选取多个不同时间段T₁～T₄，计算用户在各个时间段的时间特征向量计算方式如下：

其中，R表示数据集上的所有签到数据，r_u,t,i＝1表示在数据集上的所有签到数据上，用户在时间T上有一次签到记录；用户没有访问则r_u,t,i＝0。

4.如权利要求3所述的面向位置社交网络的基于模糊聚类的具有时间感知的位置推荐方法，其特征在于，在所述步骤二中，得到基于用户模糊聚类算法的位置推荐过程包括如下步骤：

步骤1、根据所述用户特征向量采用模糊聚类方法对用户进行模糊聚类分簇，确定用户和用户相似度高的及相似的用户簇；

步骤2、在每个簇组内进行基于用户和时间相似度的位置访问值计算；

步骤3、基于求和方法，计算最终用户在任意时间内对位置的访问值。