[发明专利]一种POI推荐方法及推荐系统有效
申请号: | 201910089802.7 | 申请日: | 2019-01-29 |
公开(公告)号: | CN110119475B | 公开(公告)日: | 2020-01-07 |
发明(设计)人: | 熊熙;李元媛;乔少杰;王俊峰;陈麟 | 申请(专利权)人: | 成都信息工程大学 |
主分类号: | G06F16/9535 | 分类号: | G06F16/9535;G06F16/9537 |
代理公司: | 51238 成都玖和知识产权代理事务所(普通合伙) | 代理人: | 胡琳梅 |
地址: | 610225 四川省成都*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开一种POI推荐方法及推荐系统,涉及推荐技术领域,该方法包括:根据从LBSN门户网站收集的用户和POI数据构建的用户‑POI关系网络,利用网络嵌入方法学习得到用户和POI的嵌入向量;根据用户和POI的嵌入向量,构建包括多个关于用户和POI的关联因子的动态因子图模型,并根据所述多个关于用户和POI的关联因子建立在时空社交网络上的联合分布,通过学习得到所述联合分布中的参数值;计算得到使联合分布概率最大的节点值,然后计算每个节点的边缘概率,并按边缘概率和倾向性的乘积大小进行POI推荐;解决了因数据质量不可靠和时空模式难以确定导致的推荐准确性低的问题,显著提高推荐性能。 | ||
搜索关键词: | 嵌入 边缘概率 关联因子 推荐系统 向量 动态因子 分布概率 关系网络 门户网站 社交网络 时空模式 数据构建 图模型 联合 构建 倾向性 时空 学习 网络 | ||
【主权项】:
1.一种POI推荐方法,其特征在于,该方法包括:/n根据从LBSN门户网站收集的用户和POI数据构建的用户-POI关系网络,利用网络嵌入方法学习得到用户和POI的嵌入向量;/n根据用户和POI的嵌入向量,构建包括多种关于用户和POI的关联因子的动态因子图模型,并根据所述多个关于用户和POI的关联因子建立在时空社交网络上的联合分布,通过学习得到所述联合分布中的参数值;/n计算得到使联合分布概率最大的因子图节点值,然后计算每个节点的边缘概率,并按边缘概率与倾向性乘积的大小将POI推荐给用户;/n所述利用网络嵌入方法学习得到用户和POI的嵌入向量包括步骤:/n将所述用户-POI关系网络划分为POI的区域划分关系、用户的好友关系和用户对POI的访问记录三个子网络;/n利用所述POI的区域划分关系、用户的好友关系和用户对POI的访问记录三个子网络学习得到用户和POI的嵌入向量;/n所述学习得到用户和POI的嵌入向量方法包括:/n进行以下更新操作,直到目标函数收敛:/n利用负采样方法,从ε
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都信息工程大学,未经成都信息工程大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910089802.7/,转载请声明来源钻瓜专利网。