[发明专利]一种基于大数据的兴趣地点推荐方法、系统及存储介质

权利要求书

1.一种基于大数据的兴趣地点推荐方法，其特征在于，包括：

将目标用户及兴趣地点进行低维嵌入式表达，并通过目标用户及兴趣地点的隐含特征构建相似度矩阵；

将所述相似度矩阵转换为节点距离矩阵；

建立距离信息分解模型，通过所述距离信息分解模型对节点距离矩阵进行分解获取目标用户和兴趣地点在低维空间中的位置和距离，根据所述位置和距离生成节点距离向量；

根据节点距离向量学习将低维空间中的目标用户节点和兴趣地点节点进行聚类，通过低维空间中的节点距离向量来表示目标用户对兴趣地点的偏好程度；

建立地理偏好模型，线性融合目标用户的偏好程度以及目标用户兴趣的动态变化；

利用兴趣地点的地理坐标信息生成地理距离信息，将地理距离作为权重进行约束；

运用地理偏好模型计算低维空间中的节点距离值；

将所述低维空间中的节点距离值进行降序排序，生成兴趣地点的推荐信息，根据所述推荐信息对目标用户进行推荐。

2.根据权利要求1所述的一种基于大数据的兴趣地点推荐方法，其特征在于，通过目标用户及兴趣地点的隐含特征构建相似度矩阵，具体为：

提取目标用户的行为信息及兴趣地点的隐含特征，将所述隐含特征确定主题并进行分类；

根据目标用户的行为信息与兴趣地点的交互信息计算所述隐含特征之间的相似度；

建立相似度矩阵，预设相似度阈值，将所述相似度与相似度阈值进行比较；

若大于，则在所述相似度矩阵中的元素用1表示；

若小于，则在所述相似度矩阵中的元素用0表示。

3.根据权利要求1所述的一种基于大数据的兴趣地点推荐方法，其特征在于，将所述相似度矩阵转换为节点距离矩阵，其中，转换公式具体为：

其中，表示目标用户，表示兴趣地点，表示节点距离矩阵中目标用户到兴趣地点的距离值，表示动量因子,表示相似度矩阵中目标用户和兴趣地点的隐含特征相似度，C表示误差常数。

4.根据权利要求1所述的一种基于大数据的兴趣地点推荐方法，其特征在于，将目标用户和兴趣地点嵌入到低维空间，目标用户在低维空间表示为，兴趣地点在低维空间里表示为，通过低维空间中目标用户与兴趣地点的节点距离表示目标用户的偏好程度，同时根据目标用户兴趣的动态变化，目标用户当前所在兴趣地点在低维空间中表示为，下一个预选兴趣地点在低维空间中表示为，则根据目标用户的偏好程度以及目标用户兴趣的动态变化结合地理距离影响因子，所述兴趣地点的地理偏好模型的表达式具体为：

其中，表示节点距离度量的低维嵌入表示，表示地理权重系数，表示类型权重系数，表示目标用户在低维空间的表示形式，表示兴趣地点在低维空间里的表示形式，表示目标用户当前所在兴趣地点，表示预选兴趣地点。

5.根据权利要求1所述的一种基于大数据的兴趣地点推荐方法，其特征在于，还包括运用目标用户反馈数据对地理偏好模型进行修正，具体为:

获取目标用户进行兴趣地点签到后的反馈数据，生成兴趣地点签到信息；

将地理偏好模型推荐兴趣地点和兴趣地点签到信息进行比较，获取偏差率信息；

预设偏差率阈值，判断所述偏差率信息是否大于偏差率阈值；

若大于，则生成误差信息，根据所述误差信息计算修正参数；

根据所述修正参数，对地理偏好模型进行修正。