[发明专利]一种基于手机使用数据的个性化地点推荐方法

摘要

本发明公开了一种基于手机使用数据的个性化地点推荐方法。首先对用户的地点访问记录数据进行预处理，获得候选地点及相应的地点标签；然后分别提取App使用、多媒体、通讯和网络、通话和短信、系统状态和运动状态等手机使用特征，用户的性别和年龄等人口统计学特征，以及平均停留时间和周末访问频率等地点特征；最后通过基于二阶因子分解机的推荐模型，为新用户预测候选地点的访问次数，从而实现个性化地点推荐。本发明利用手机使用数据进行个性化地点推荐，有效解决了用户冷启动问题，在路线规划和旅游景点推荐等基于位置的服务领域具有广阔的应用空间。

主权项

1.一种基于手机使用数据的个性化地点推荐方法，包括候选地点推荐模型构建阶段和个性化地点推荐阶段，其中：/n候选地点推荐模型构建阶段包括：/n步骤1-1，输入所有用户的基本信息和地点访问记录集合；/n步骤1-2，利用DBSCAN算法分别对每一个用户的所有地点访问记录数据进行聚类，获得每一个用户访问的地点集合，并确定用户的“家”和“工作场所或学校”个性化语义标签；/n步骤1-3，利用DBSCAN算法对所有用户访问的地点进行聚类，发现不同用户共同访问的公共地点，生成候选地点集合并确定每个候选地点的非个性化语义标签；/n步骤1-4，提取用户的手机使用特征f_phone，具体包括提取App使用特征f_a、多媒体特征f_m、通讯和网络特征f_n、通话和短信特征f_c、系统状态特征f_s和运动状态特征f_o；/n步骤1-5，提取用户的人口统计学特征f_user，具体包括提取用户的性别特征f_g、年龄特征f_e、工作状况特征f_w和收入特征f_i；/n步骤1-6，提取地点特征f_location，具体包括提取地点的标签特征f_l、平均停留时间特征f_t、周末访问频率特征f_r和分段访问频率特征f_f；/n步骤1-7，根据手机使用特征f_phone、人口统计学特征f_user以及地点特征f_1ocation构建用户及其历史所访问的每一个地点的特征向量x_pos，并统计相应地点的访问次数y_pos，根据特征向量x_pos和对应的访问次数y_pos构建正样本训练数据集D_pos；/n步骤1-8，从每个用户的未访问地点中随机采样s个地点作为用户的负样本，构造用户和每一个负样本地点的特征向量x_neg，并将相应地点的访问次数y_neg置为0，根据特征向量x_neg和访问次数y_neg构建负样本训练数据集D_neg；/n步骤1-9，利用二阶因子分解机构建候选地点推荐模型，将正样本训练数据集D_pos和负样本训练数据集D_neg输入候选地点推荐模型中进行训练，获得训练好的候选地点推荐模型；/n个性化地点推荐阶段包括：/n步骤2-1，同步骤1-4和步骤1-5，提取新用户的手机使用特征f′_phone和人口统计学特征f′_user；/n步骤2-2，为新用户和每一个候选地点构造相应的特征向量x_test；/n步骤2-3，将步骤2-2中的特征向量x_test输入训练好的基于二阶因子分解机的候选地点推荐模型，预测每一个候选地点的访问次数y_test；/n步骤2-4，对步骤2-3中的候选地点的访问次数预测结果y_test进行降序排序，为新用户推荐排序列表中的前N个地点。/n