[发明专利]基于张量分解进行上下文相关的位置推荐方法

摘要

本发明公开了一种基于张量分解进行上下文相关的地点推荐方法，主要解决现有技术对地点推荐质量不佳的问题。其实现步骤为：1.利用待推荐城市所有用户的签到数据构建出三维的签到张量A和用户相似度矩阵B；2.使用高阶奇异值分解算法得到三维张量3.获取待推荐用户c的当前地点；4.根据三维张量对待推荐用户c进行地点推荐。本发明利用张量分解，减少了用户与推荐系统之间的通信量，并且结合时间上下文和用户历史数据，保证了数据稀疏场景下地点推荐结果的有效性和可靠性，可应用于基于位置的社交网络中的地点推荐服务。

主权项

一种基于张量分解进行上下文相关的位置推荐方法，包括：(1)获取待推荐城市所有用户的签到数据，根据签到数据的用户i、地点j、时间t和用户i在时间t对地点j的评分A_ijk，构建出三维的签到张量A；(2)根据签到数据中的用户记录，利用加权皮尔逊相似度计算出用户相似度矩阵B，B∈R^m×m，其中，m表示用户的数量；(3)结合三维的签到张量A和用户相似度矩阵B，使用高阶奇异值分解算法计算所有用户对所有地点的评分，得到张量(4)根据张量对待推荐用户c进行地点推荐：(4a)获取待推荐用户c的当前位置；(4b)获取待推荐用户c对待推荐城市所有地点的评分集合A_c；(4c)根据待推荐城市包含的地点数量的大小得到推荐结果R：如果待推荐城市包含的地点数量小于等于500，则根据待推荐用户c对待推荐城市的所有地点的评分集合A_c，选择评分最高的前K个地点作为推荐结果R，K的数量由服务提供商决定；如果待推荐城市包含的地点数量大于500，则使用基于阈值的算法得到待推荐用户c的推荐结果R。