[发明专利]一种位置社交网络中兴趣点-区域联合推荐方法

说明书

本发明属于计算机应用技术领域，具体公开了一种位置社交网络中兴趣点‑区域联合推荐方法，通过向用户推荐兴趣点时不仅考虑用户的兴趣点偏好，也考虑了用户对于兴趣点所在区域的区域级兴趣偏好，并且在捕捉用户区域级兴趣时，也考虑了每个用户对特定兴趣点所在区域的重视程度的差异，并以此建立一种区域级动态权重，进而做出更加准确的兴趣点推荐。

技术领域

本发明属于计算机应用技术领域，具体涉及一种位置社交网络中兴趣点-区域联合推荐方法。

背景技术

近年来，随着位置社交网络的飞速发展，诸如Foursquare这样知名的位置社交网络已经吸引了近亿的注册用户，因而产生了大量的用户历史签到记录，而这些数据记录信息在兴趣点推荐领域有着独特且关键的作用。

目前的兴趣点推荐的基本过程是通过对用户的历史签到信息来推断用户的兴趣点偏好，根据用户的兴趣点偏好进行推荐。在这些用户历史签到数据中，不仅隐含着用户的兴趣点偏好，而且还隐含着用户对于兴趣点所处区域的偏好，该偏好也间接影响用户对该兴趣点的偏好，而在兴趣点推荐领域，人们往往会忽略这样的区域级兴趣，正是忽略了用户的这种区域的签到习惯，导致系统无法捕捉用户真正完整的兴趣点偏好，这也是目前兴趣点推荐技术存在的缺陷。

发明内容

本发明的目的在于克服现有技术捕捉用户兴趣不全面的缺陷，充分挖掘现有兴趣点推荐领域忽视的用户的区域级兴趣，在此基础上提出一种构建用户区域级兴趣的方法。具体技术方案如下：

一种位置社交网络中兴趣点-区域联合推荐方法，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。

进一步的，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}。

进一步的，所述步骤2具体包括如下步骤：