[发明专利]一种基于集成学习的个性化位置推荐方法

权利要求书

1.一种基于集成学习的个性化位置推荐方法，其特征在于，所述方法包括如下步骤：

步骤1，收集、整理原始的用户签到数据集C，将其转换成用户-位置评分矩阵R；

步骤2，选取基于位置的社交网络LBSN中某活跃用户u_a作为推荐服务对象，选择任意类型、任意个数的推荐子算法A₁,A₂,…,A_n，将活跃用户访问过的地址划分为训练子数据集和评估子数据集，利用活跃用户训练子数据集的已访问信息，各推荐子算法为活跃用户未访问过的地址和评估子数据集中的地址计算预评分；

步骤3，选择推荐精度的评价指标F1为推荐准确度评估指标，对比评估子数据集中地址的真实评分以及预评分信息，评估各推荐子算法的推荐准确度，依据各推荐子算法的推荐精度指标F1值，为活跃用户u_a计算精度权重值集合W_a；

步骤4，选择信息增益IG为系统稳定性评估指标，对比评估子数据集中地址的真实评分以及预评分信息，评估各推荐子算法在非恶意攻击场景下的系统稳定性，依据各推荐子算法的信息增益IG值，为活跃用户u_a计算稳定性权重值集合G_a；

步骤5，在精度权重值集合W_a和稳定性权重值集合G_a的基础上为活跃用户u_a计算最终的总加权系数C_a，将各个推荐子模型对未访问地址的预评分按总加权系数C_a融合起来，生成集成模型对未访问地址的最终预测评分，对所有未访问地址按最终预测评分排序，为活跃用户提供排名靠前的若干个地址组成的推荐列表；

步骤6，对比所述方法提出的基于集成学习的个性化位置推荐算法与集成前各子算法的综合性能，评价所述方法的适用性和有效性。

2.根据权利要求1所述的一种基于集成学习的个性化位置推荐方法，其特征在于，所述方法的步骤1包括：

步骤11：选择目标推荐系统的用户签到数据集C，所述数据集由U个用户对L个地址的历史签到记录组成，从每一条签到记录中提取出用户ID、地址ID、访问时间、地址经度、地址纬度信息；

步骤12：将每条签到记录转换成三元组(u_i,l_j,n_ij)，其中u_i是第i个用户，1≤i≤U，l_j是第j个项目，1≤j≤L，n_ij表示用户u_i访问地址l_j的次数；

步骤13：计算所有用户在位置l_j的总访问次数NC_au_j；

步骤14：计算用户u_i访问过的位置总数NLC_i；

步骤15：计算用户u_i访问所有位置的总访问次数NC_al_i；

步骤16：计算访问过位置l_j的所有用户数量NUC_j；

步骤17：将用户u_i在地址l_j的签到次数n_ij转换成用户u_i对地址l_j的评分r_ij，具体方法是：

其中，r_ij表示用户u_i对地址l_j的评分，n_ij表示用户u_i在地址l_j的签到次数，NC_au_j表示所有用户在位置l_j的总访问次数，L表示地址总数，NLC_i表示用户u_i访问过的位置总数，NC_al_i表示用户u_i访问所有位置的总访问次数，U表示用户总数，NUC_j表示访问过位置l_j的所有用户数量；

步骤18：将上述用户评分进行归一化操作，具体计算方法为：

其中，r_ij表示用户u_i对地址l_j的评分，min表示用户-位置评分矩阵R中所有评分的最低值，max表示所有评分的最高值；

汇总所有的评分，形成用户-位置评分矩阵R＝{r_ij},i∈[1,U],j∈[1,L]。