[发明专利]一种融合多因素社交活动的推荐方法

说明书

本发明提供了一种融合多因素社交活动的推荐方法，包括以下步骤：S1、构建用户对活动兴趣度的概率模型；利用LDA文件主题模型求取用户usubgt;i/subgt;与其参加过的所有社交活动的主题分布，并用用户usubgt;i/subgt;的主题分布表征其兴趣度，S2、构建用户对召集者影响力概率模型；S3、构建用户因地理位置偏好的概率模型；S4、将S1、S2和S3中建立概率模型采用不同权值配比综合形成最终的社交活动个性推荐模型，解决了现有的社交活动推荐方法缺少有效的将用户对活动兴趣度、活动召集者影响力以及活动举办地点偏好的三方面因素进行综合而形成个性化推荐方法的问题。

技术领域

本发明属于社交活动推荐方法技术领域，具体涉及一种融合多因素社交活动的推荐方法。

背景技术

随着互联网技术的飞速发展，社交媒体和电子商务等迅速发展，互联网数据呈指数级增长。人们不仅是数据的制造者也是数据的消费者，如何从庞大的数据中筛选用户感兴趣的信息成为学者们亟需解决的问题。对于用户而言，感兴趣信息的获取可通过搜索获得，也可借助推荐算法推荐得到。与搜索引擎相比，推荐算法不需要用户主动提供所需信息，而是根据少量信息构建用户兴趣模型，进而利用数据挖掘获得数据背后的信息。2006年DVD在线租赁商Netflix通过悬赏奖金的形式鼓励学者们完善个性化推荐算法，期间大量针对传统协同过滤推荐的改进算法被提出来。而协同过滤推荐过度依赖于“用户-项目”评分数据，当将其引入到社交兴趣推荐中后难以获得满意的推荐效果。

但是针对社交平台日益庞大的数据以及用户个性的多样化，缺少有效的将用户对活动兴趣度、活动召集者影响力以及活动举办地点偏好的三方面因素进行综合而形成个性化推荐方法，单一的社交活动属性的个性化推荐算法难以有效获得高精度推荐结果，客户满意度较差。

发明内容

本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种融合多因素社交活动的推荐方法，以解决上述背景技术中提出的现有的社交活动推荐方法缺少有效的将用户对活动兴趣度、活动召集者影响力以及活动举办地点偏好的三方面因素进行综合而形成个性化推荐方法，单一的社交活动属性的个性化推荐算法难以有效获得高精度推荐结果，客户满意度较差的问题。

为解决上述技术问题，本发明采用的技术方案是：一种融合多因素社交活动的推荐方法，包括以下步骤：

S1、构建用户对活动兴趣度的概率模型；利用LDA文件主题模型求取用户u_i与其参加过的所有社交活动的主题分布，并用用户u_i的主题分布表征其兴趣度，在LDA中，设Ψ_s表示隐含主题s在单词集合上的多项式分布，doc_ui表示用户u_i∈U所有参加过的社交活动内容形成的文件，其中doc_ui经过LDA文件主题模型求取其中所有隐含主题的多项式分布，而用户对社交活动的兴趣度表示成文件doc_ui的主题概率分布；

S2、构建用户对召集者影响力概率模型；设用户u_i参加某活动召集者c_i组织的社交活动次数为cu_ij，cu_ij值越大说明召集者c_i组织的活动对用户u_i的影响力越大；

S3、构建用户因地理位置偏好的概率模型；将社交活动举办地与用户常住距离的概率定义为：

式中：Dis表示活动举办地与用户常住地之间的距离；

ν、为幂律分布函数的参数；