在位置社交网络中基于时间分布相对熵的好友推荐方法技术

本发明专利技术公开了一种基于签到时间分布相对熵的好友推荐方法，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，并计算用户间在每个地点类别下签到分布的相对熵；4.社交网络服务器提取用户最感兴趣的地点类别，再根据用户最感兴趣的地点类别和用户间签到分布的相对熵生成好友推荐结果。本发明专利技术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。

Friend recommendation method based on time distribution relative entropy in location social network

The invention discloses a friend recommendation method relative entropy based on distribution time attendance, mainly solves the existing friends recommendation ignore time information in sign and position in information semantic information leading to the recommendation accuracy problem. The method comprises the following steps: 1. to set up a communication system, user location facilities, location server frame; 2. users will be the latitude and longitude location and time information is sent to the social network server generates attendance information; 3. social network server for storing a large number of sign information pretreatment, and calculate the relative user the sign distribution at each location entropy category; 4. social network server extracts the most interested users place categories, according to the users are most interested in the place category between the user and the relative entropy generation in the distribution of friends recommended results. The invention alleviates the data sparsity of the recommender system, improves the recommendation accuracy and can be used for location-based wireless social networking services.

【技术实现步骤摘要】
在位置社交网络中基于时间分布相对熵的好友推荐方法
本专利技术属于无线网络
，涉及在线社交网络的好友推荐方法，可应用于基于位置的在线社交网络服务。
技术介绍
基于位置的社交网络帮助用户在线分享他们的实时位置以便于用户可以发现感兴趣的位置并结交朋友。例如，用户可以通过好友分享的位置发现自己感兴趣的地点，或者通过查找与自己分享相似地点的用户来结交新的好友。此外，随着智能手机的普及，其内置的GPS模块可以更加精确的探测用户的位置，使得用户可以更加便利的分享各自的位置。因此，这种签到服务吸引了越来越多的用户。如何使用大量的签到信息为用户进行好友推荐需要得到重视。推荐系统在社交网络和电子商务网站中扮演了重要的角色，在电子商务网站中，现有的推荐系统通常使用用户的购买记录来分析用户的偏好，正如电子商务网站的购买记录，用户在基于位置的社交网络中的签到历史也包含了大量的关于用户偏好的信息。在使用用户的签到信息进行好友推荐时，由于用户通常只会在数据库中的一小部分地点进行签到行为，因此进行好友推荐的可用数据较为稀疏。为了缓解数据稀疏的问题，现有方案分为如下几种：根据签到地点的密度进行分类，将一些地理位本文档来自技高网...

【技术保护点】
一种在位置社交网络中基于时间分布相对熵的好友推荐方法，包括：(1)建立一个由用户、定位设施和社交网络服务器构成的通信系统，(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，再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...

【技术特征摘要】
1.一种在位置社交网络中基于时间分布相对熵的好友推荐方法，包括：(1)建立一个由用户、定位设施和社交网络服务器构成的通信系统，(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，再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分别为两个不同用户在相同地点类别的签到次数随时间的概率分布；(5)根据用户u在各地点类别下的签到次数，分别计算用户u对于地点类别c的词频值Tu,c和地点类别c的逆文档频率值Ic，得到社交网络服务器计算用户u对于每个地点类别c的词频-逆文档频率分值F：F＝Tu，c×Ic(6)根据用户u对于每个地点类别c的词频-逆文档频率分值F，提取该用户u最感兴趣的地点类别：(6a)对F中的逆文档频率值Ic作幂运算，得到新的词频-逆文档频率分值F*＝Tu,c×Icα，其中Icα为逆文档频率值Ic的α次幂；(6b)选择F*最高的m个地点类别作为用户u最感兴趣的地点类别，其中m和α由实验确定；(7)社交网络服务器根据用户最感兴趣的地点类别，选取所有其他用户中在这些地点类别下相对熵较小的n个用户作为推荐结果发送给请求推荐的用户，其中n的数量根据请求推荐的用户所请求的好友推荐数量确定。2.根据权利要求1所述的方法，其中步骤(1)建立的通信系统中，用户通过移动蜂窝网络或WiFi与定位设施与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；...

【专利技术属性】
技术研发人员：朱晓妍，黄乙哲，杜欣军，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61