【技术实现步骤摘要】
面向位置社交网络基于地理位置正则化的兴趣点推荐方法
本专利技术涉及社交兴趣推荐领域，具体涉及一种面向位置社交网络基于地理位置正则化的兴趣点推荐方法。
技术介绍
近年来，为了帮助用户发现更多有吸引力的位置，满足他们对兴趣点的个性化需求，兴趣点(Point-of-Interest,POI)推荐作为一种重要的信息过滤技术受到了研究者们的广泛关注。与传统推荐问题相比，POI推荐主要存在以下两方面的挑战：1)在位置社交网络(LBSN)中，用户的偏好是由用户的隐式签到数据表示的，我们只能知道用户在过去访问过哪些位置，但对于没有访问过的地点，我们不知道用户是因为不喜欢还是因为没有发现，这些混合在一起的负样本和缺失样本很难用一般的方法直接进行区分；2)POI具有地理位置信息，地理位置是表征用户行为习惯的重要因素。在实际应用中，在地理位置上相邻的兴趣点更可能被具有相似兴趣的用户所访问。用户通过访问不同的地点来表现自己不同的兴趣爱好。针对上述面临的挑战，研究者们开始考虑如何利用POI的地理位置因素，通过扩展传统的推荐算法来提高LBSN中的兴趣点推荐性能。例如，Zhang等人利用核密度...
【技术保护点】
1.一种面向位置社交网络基于地理位置正则化的兴趣点推荐方法，其特征是，包括以下步骤：步骤1：建立用户与兴趣点的签到频次矩阵，计算用户对兴趣点的偏好置信度；步骤2：基于兴趣点之间的地理位置坐标，计算兴趣点之间的相似程度；步骤3：对兴趣点之间的相似程度进行归一化处理，得到兴趣点邻域关系矩阵，并以相邻兴趣点的特征向量来表示目标兴趣点的特征向量；步骤4：基于权重概率矩阵分解模型，根据目标兴趣点的相邻兴趣点的特征向量和用户对兴趣点的偏好置信度，生成目标函数；步骤5：对目标函数进行优化处理，得到最终的用户和兴趣点的潜在特征矩阵；步骤6：根据最终的用户和兴趣点的潜在特征矩阵生成预测的评分...
【技术特征摘要】
1.一种面向位置社交网络基于地理位置正则化的兴趣点推荐方法，其特征是，包括以下步骤：步骤1：建立用户与兴趣点的签到频次矩阵，计算用户对兴趣点的偏好置信度；步骤2：基于兴趣点之间的地理位置坐标，计算兴趣点之间的相似程度；步骤3：对兴趣点之间的相似程度进行归一化处理，得到兴趣点邻域关系矩阵，并以相邻兴趣点的特征向量来表示目标兴趣点的特征向量；步骤4：基于权重概率矩阵分解模型，根据目标兴趣点的相邻兴趣点的特征向量和用户对兴趣点的偏好置信度，生成目标函数；步骤5：对目标函数进行优化处理，得到最终的用户和兴趣点的潜在特征矩阵；步骤6：根据最终的用户和兴趣点的潜在特征矩阵生成预测的评分矩阵；步骤7：对用户进行个性化推荐。2.根据权利要求1所述的面向位置社交网络基于地理位置正则化的兴趣点推荐方法，其特征是，所述步骤1中，用户对兴趣点的偏好置信度的计算方法为：根据用户访问兴趣点的签到信息，建立用户与兴趣点的签到频次矩阵F；利用签到频次矩阵F中用户访问兴趣点的频次，计算用户对兴趣点的偏好置信度，其中，用户对兴趣点的偏好置信度的表达式为：其中，αFu,i>0是一个关于Fu,i的单调递增函数，Fu,i表示用户u访问兴趣点i的频次；Wu,i为用户u对兴趣点i的偏好置信度。3.根据权利要求1所述的面向位置社交网络基于地理位置正则化的兴趣点推荐方法，其特征是，所述步骤2中，兴趣点之间的相似程度的计算公式为：其中，sim(i,j)表示兴趣点i和j之间的相似程度，xi和xj分别表示兴趣点i和j的地理坐标坐标；σ为常数。4.根据权利要求1所述的面向位置社交网络基于地理位置正则化的兴趣点推荐方法，其特征是，所述步骤3中，对兴趣点之间的相似程度进行归一化处理，得到兴趣点邻域关系矩阵，并以相邻兴趣点的特征向量来表示目标兴趣点的特征向量，包括：对兴趣点之间的相似程度进行归一化处理，得到兴趣点的邻域关系矩阵；基于兴趣点之间地理位置关系，建立与...
【专利技术属性】
技术研发人员：郭磊，温宇菲，王新华，刘方爱，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。