[发明专利]一种位置社交网络中兴趣点-区域联合推荐方法

权利要求书

1.一种位置社交网络中兴趣点-区域联合推荐方法，其特征在于包括如下步骤：

步骤1、用户历史签到数据预处理：

用户历史签到数据是由一系列五元组记录l构成，每个五元组l包含用户ID、兴趣点ID、经度、纬度、访问频率；在对数据集进行预处理时，挑选了至少被10个不同的用户访问过的兴趣点以及签到过至少15个不同的兴趣点的用户构成数据集的主体；

步骤2、构建区域级兴趣特征矩阵R：

针对处理后的签到数据集，来构建区域级兴趣特征矩阵，该矩阵可以反映用户对兴趣点所在区域的兴趣，将是下一步骤区域级兴趣建模的输入；

步骤3、建模区域级兴趣：

将区域级兴趣特征矩阵作为输入，通过逻辑矩阵分解技术建模后，将学习到用户特征向量和兴趣点特征向量，通过这两者向量的点积运算即可获得用户的区域级兴趣偏好；

步骤4、添加区域动态权重：

针对用户对区域的重视程度的差异，将利用DBSCAN聚类算法来获取区域级兴趣动态权重，结合区域级兴趣偏好来表示用户的真实区域偏好；

步骤5、合并用户个人兴趣与区域兴趣：

在捕捉区域级兴趣的同时，也不能忽视用户对每个兴趣点自身的兴趣，所以融合个人兴趣能够尽可能的使用户兴趣偏好完整，有助于提高兴趣点推荐的效果；

步骤6、推荐top-k兴趣点给用户。

2.根据权利要求1所述的一种位置社交网络中兴趣点-区域联合推荐方法，其特征在于：

所述步骤1具体包括如下步骤：

步骤1-1首先确定主体，包括用户ID+兴趣点ID，然后将所有数据以主体为键，累加的签到次数为值，即为最基本的数据构成，包括用户ID，兴趣点ID，签到频率；

步骤1-2、挑选了至少被10个不同的用户访问过的兴趣点以及签到过至少15个不同兴趣点的用户来构成数据集的主体，最终根据数据集构建的字典H的记录格式为{[用户ID，兴趣点ID]:签到频率}。

3.根据权利要求2所述的一种位置社交网络中兴趣点-区域联合推荐方法，其特征在于：

所述步骤2具体包括如下步骤：

步骤2-1、首先定义一个概念，将兴趣点以自己的地理位置为圆心，半径为r所构成的的圆形地理区域称为该兴趣点的逻辑区域，在此逻辑区域中，用户访问的其他兴趣点的个数将影响用户对该兴趣点逻辑区域的兴趣；

步骤2-2、矩阵构建：

步骤2-2-1、根据步骤1中得到的数据集，构建兴趣点集合G(g₁,g₂,g₃,…,g_n)以及兴趣点ID与其经纬度坐标对应的字典M{g_i:[long_i，lat_i]}，集合G中包含不重复的所有的兴趣点，字典M中记录着兴趣点ID以及对应的经纬度坐标；

步骤2-2-2、通过haversine距离公式计算每个兴趣点与目标兴趣点的距离，距离阈值设置为10km，并且在计算距离的同时，通过字典X保存每个目标兴趣点与之对应的距离在阈值内的其他兴趣点的集合；当所有距离计算完后，字典X即可构建完成，其数据记录格式为{目标兴趣点ID:集合S}，其中集合S中的兴趣点与该目标兴趣点之间距离小于等于距离阈值；

步骤2-2-3、初始化区域级兴趣特征矩阵R，通过上述的字典X构建矩阵R，具体公式为：

R_ui表示矩阵R中用户u对兴趣点i所在区域的偏好；其中X_i表示目标兴趣点i逻辑区域内的兴趣点集合，而Y_u表示用户u访问过的兴趣点集合，X_i∩Y_u即表示用户在目标兴趣点的逻辑区域内访问过的兴趣点集合，α为区域补偿因子，同一个用户在对于相同大小的逻辑区域以及相同的已访问兴趣点数量的情况下，用户的区域级兴趣也会受到逻辑区域中兴趣点分布密集或是稀疏的影响；逻辑区域中的兴趣点越稀疏，表明用户对该区域越感兴趣，相反的，逻辑区域中的兴趣点非常密集，表明用户对该区域的兴趣相比于稀疏区域的兴趣要小。