[发明专利]在位置社交网络中基于位置与时间的好友推荐方法

摘要

本发明公开了一种基于位置与时间的好友推荐方法，主要解决现有好友推荐方案忽视签到信息中的时间信息和签到位置语义信息导致推荐精度不够高的问题。其实现步骤为：1.建立一个由用户、定位设施、位置服务器构成的通信系统框架；2.用户将位置的经纬度与当前的时间信息发送给社交网络服务器生成签到信息；3.社交网络服务器对存储的大量签到信息进行预处理；4.社交网络服务器计算每个用户对于每个地点类别的词频‑逆文档频率分值；5.社交网络服务器计算用户间的相似度，并选取相似度较高的用户做出好友推荐。本发明缓解了推荐系统可用数据稀疏性，提高了推荐精确度。可用于基于位置的无线社交网络服务。

主权项

1.一种在位置社交网络中基于位置与时间的好友推荐方法，包括：(1)建立一个由用户、定位设施、社交网络服务器构成的通信系统框架，其中：用户，用于通过移动蜂窝网络或WiFi与定位设施和社交网络服务器进行通信；定位设施，用于协同用户GPS模块实现定位；社交网络服务器，用于存储用户的位置信息，并以此为依据向用户进行好友推荐；(2)用户将位置的经纬度与当前的时间信息发送给社交网络服务器，生成签到信息；(3)社交网络服务器对存储的签到信息进行预处理：(3a)针对签到信息中的经纬度，查找服务器的位置语义数据库获取与签到地点对应的语义信息，然后将每个用户的签到信息按其签到地点的语义信息分类统计签到次数；(3b)针对签到信息中的时间信息，在步骤(3a)的基础上，统计每个用户在每个地点类别下的签到行为随时间的分布；(4)根据用户在各地点类别的签到次数，社交网络服务器计算每个用户u对于每个地点类别c的词频‑逆文档频率分值TF‑IDFu,c；(4a)根据用户u在各地点类别下的签到次数，社交网络服务器计算用户u在每个地点类别c下签到信息的词频分值TFu,c；(4b)根据所有用户在各地点类别下的签到次数，社交网络服务器计算每个地点类别c的逆文档频率分值IDFc；(4c)社交网络服务器将用户u在地点类别c下的词频分值TFu,c与地点类别c的逆文档频率分值IDFc相乘，得到其在该地点类别下的词频‑逆文档频率分值TF‑IDFu,c＝TFu,c×IDFc；(5)社交网络服务器计算用户间的相似度：(5a)使用用户在每个地点类别下签到行为随时间的分布，计算两个用户在相同地点类别下签到分布的相对熵D(P||Q)，其中P和Q为两个用户u_i和u_j在相同地点类别的签到次数随时间的概率分布，然后使用相对熵计算相似度调整因子(5b)针对用户在每一地点类别的词频‑逆文档频率分值TF‑IDF_u,c，使用对应的相似度调整因子调整余弦相似度计算公式，计算两个用户间的相似度cos(u_i,u_j)；(6)社交网络服务器对请求推荐的用户与所有其他用户之间重复上述步骤(3)至步骤(5)，得到该用户与其他用户的相似度分值，选取分值最高的n个用户作为推荐结果发送给请求推荐的用户，n为请求推荐的用户所请求的好友推荐数量。