[发明专利]一种兼顾多样性与个性化的空间兴趣点推荐方法

摘要

本发明提供一种兼顾多样性与个性化的空间兴趣点推荐方法，涉及空间兴趣点推荐技术领域。包括：构建地理‑社会关系模型；计算模型中地点对在位置和社会联系上的相关度；构建相关度矩阵W；划分模型中构建的用户社会关系网络图G；计算在划分时的损失函数；选取令损失函数最小的特征向量并对图G中的顶点进行划分，得到k个具有多样性的兴趣点集合；从k个兴趣点集合中各选取一个最能拟合用户偏好的兴趣点组成一个融合多样性与个性化的兴趣点推荐列表。本发明提供的一种兼顾多样性与个性化的空间兴趣点推荐方法，融合兴趣点的地理‑社会关系模型、谱聚类算法、矩阵分解算法，使得为用户推荐的兴趣点具备较高准确率的同时还兼顾了多样性。

主权项

1.一种兼顾多样性与个性化的空间兴趣点推荐方法，其特征在于，包括以下步骤：步骤1：根据移动社交网络应用软件提供的数据，构建地理‑社会关系模型，具体步骤如下：步骤1.1：根据移动社交网络应用软件中查询到的用户访问地点的纬度值lat和经度值lon，建立用户访问地点集合P，令P＝{p1，...，pi，...，pn}，其中，pi＝(lati，loni)，且i＝1，2，...，n；步骤1.2：构建用户社会关系网络图G，令G＝(U，E)，其中，U为所有用户的集合，ua∈U，ub∈U，边(ua，ub)∈E为用户ua和ub具有朋友关系；所述用户ua和ub具有朋友关系是指用户双方互为登记在对方社交软件的好友列表里，或者他们是亲属、同事等关系；步骤1.3：建立所有用户的签到记录集合CK，令CK＝{＜ua，pk，tr＞|ua∈U，pi∈P}，那么，访问过地点pk的用户集合UPk＝{ua|＜ua，pk，*＞∈CK}，其中*表示任意时间；步骤2：根据所构建的地理‑社会关系模型中地点对之间的地理‑社会距离，计算模型中地点对在位置和社会联系上的相关度；步骤3：根据地理‑社会关系模型的地点集合P中任意一对地点之间的相关度，构建n×n阶的相关度矩阵W，其中，wij为相关度矩阵中的元素，表示地点pi和pj之间的相关度；步骤4：将构建的用户社会关系网络图G通过谱聚类算法中的规范割集准则划分成2个最优子图G1和G2，以N维向量q＝[q1，q2，...，qN]记录用户社会关系网络图的划分方法；步骤5：计算在划分最优子图时所截断的用户社会关系网络图G中边(ua，ub)的权重之和的函数，即损失函数Ncut(G1，G2)，损失函数为最小值时划分方案为最佳方案；所述损失函数的计算公式如下：其中，L＝D‑W，D为相关度矩阵W的对角矩阵，且有q^T为向量q的转置，d₁和d₂分别为用户社会关系网络子图G₁和G₂的权值之和，c₁和c₂均为常数，用于标记用户社会关系网络图G中的顶点o的聚类归属；由于损失函数Ncut(G1，G2)经推导可化为广义瑞利熵的形式，根据瑞利熵性质可知，特征向量q为最小值时损失函数Ncut(G1，G2)也为最小值；步骤6：根据瑞利熵性质，取前M个令损失函数Ncut(G1，G2)为最小值的特征向量q，组成N×M矩阵R，其中第o个行向量代表顶点o，利用k‑means聚类对用户社会关系网络图G中的顶点进行划分，最终得到k个聚类，即k个具有多样性的兴趣点集合；步骤7：根据用户个数以及k个兴趣点集合中兴趣点的个数，构建k个用户‑兴趣点访问次数矩阵，采用矩阵分解算法分别对k个用户‑兴趣点访问次数矩阵进行拟合，从k个兴趣点集合中各选取一个最能拟合用户偏好的兴趣点，最终得到一个融合多样性与个性化的兴趣点推荐列表。