[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

说明书

本发明公开了一种基于大数据的偏好地点推荐方法、系统及可读存储介质，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变量构建相似度矩阵；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，确定目标用户及兴趣地点在低维空间中的节点距离向量；通过距离向量建立兴趣地点的地理偏好模型，根据所述地理偏好模型对低维空间中节点距离进行排序，通过排序生成目标用户对兴趣地点的偏好程度，从而实现对目标用户的兴趣地点推荐。

技术领域

本发明涉及一种兴趣地点推荐方法，更具体的，涉及一种基于大数据的兴趣地点推荐方法、系统及存储介质。

背景技术

随着移动互联网技术的迅猛发展和智能移动设备的广泛普及,基于地点的社交媒体应运而生,并产生了大量与地点相关的用户行为数据，地点社交网络的广泛使用与其规模的不断扩大使得地点推荐系统成为时下热门应用之一。地点推荐系统即为用户推荐那些可能感兴趣地点的系统,其中地点通常指真实存在于城市中的商家、机构以及公共场所等。利用位置社交网络中的推荐系统,一方面,用户可以探索城市,发现新奇有趣的商家与地点,并获得丰富的生活体验：另一方面,商家也可以利用该系统进行即时的广告推送与商品营销,从而提升利润。

为了能够实现在社交网络中按照用户的偏好程度推荐兴趣地点，需要开发一款基于大数据的兴趣地点推荐系统进行匹配，该系统通过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变量构建相似度矩阵；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，确定节点距离向量；通过距离向量建立兴趣地点的地理偏好模型，根据所述地理偏好模型实现对目标用户的兴趣地点推荐。在系统实现过程中如何通过矩阵分解确定节点距离向量以及如何构建地理偏好模型对低维空间中节点距离进行排序都是亟不可待需要解决的问题。

发明内容

为了解决上述至少一个技术问题，本发明提出了一种基于大数据的兴趣地点推荐方法、系统及可读存储介质。

本发明第一方面提供了一种基于大数据的兴趣地点推荐方法，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，确定目标用户及兴趣地点在低维空间中的节点距离向量；

通过距离向量建立兴趣地点的地理偏好模型，根据所述地理偏好模型对低维空间中节点距离进行排序；

通过排序生成目标用户对兴趣地点的偏好程度，从而实现对目标用户的兴趣地点推荐。

本方案中，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。

本方案中，将所述相似度矩阵转换为节点距离矩阵，并基于矩阵分解获取节点距离向量，具体为：

通过目标用户相似度矩阵计算求得节点距离矩阵；

建立距离信息分解模型，通过对节点距离矩阵的分解来学习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；