一种面向位置社交网络的基于图链接分析的兴趣点推荐方法技术

一种面向位置社交网络的基于图链接分析的兴趣点推荐方法，包括以下步骤：步骤1、构建基于个性化PageRank算法的用户模型；步骤2、构建基于幂律分布和PageRank算法的地理模型；步骤3、基于用户模型和地理模型的兴趣点混合推荐；对用户模型的推荐得分和地理模型的推荐得分进行带权重的线性相加，计算混合推荐的兴趣点推荐得分，将推荐得分高的兴趣点集合推荐给用户。本发明专利技术的兴趣点推荐方法采用图链接分析的方法来分析用户之间的影响和兴趣点之间的影响，一方面考虑到用户之间的影响在所有用户构成的图结构中的传播，另一方面考虑到兴趣点之间的相互影响在所有兴趣点构成的图结构中的传播。

A Graph Link Analysis-based Interest Point Recommendation Method for Location-Oriented Social Networks

An interest point recommendation method based on graph link analysis for location-oriented social networks includes the following steps: step 1, building a user model based on personalized PageRank algorithm; step 2, building a geographic model based on power-law distribution and PageRank algorithm; step 3, hybrid push of interest points based on user model and geographic model Recommendation; User model recommendation score and geographic model recommendation score are added with weight linearly, and mixed recommendation interest point recommendation score is calculated, and the set of high recommendation interest points is recommended to users. The method of recommending points of interest of the present invention adopts the method of graph link analysis to analyze the influence between users and points of interest. On the one hand, it considers the spread of the influence among users in the graph structure composed of all users, on the other hand, it considers the mutual influence among points of interest in the graph structure composed of all points of interest. Communication in China.

【技术实现步骤摘要】
一种面向位置社交网络的基于图链接分析的兴趣点推荐方法
本专利技术涉及兴趣点推荐方法，尤其涉及一种面向位置社交网络的基于图链接分析的兴趣点推荐方法。
技术介绍
近年来，移动互联网得到迅速发展，位置获取技术的日益成熟使得市场上出现了很多基于地理位置的服务，特别是基于位置的社交网络(Location-BasedSocialNetwork,简称LBSN)，如Foursquare，Brightkite，GeoLife,Gowalla。LBSN不仅提供传统的在线社交网络服务，也能够让用户能够以签到的形式发布他们的地理标签信息和地理位置，记录自己的访问轨迹，并和自己的朋友分享自己的旅游路线或者兴趣点，互相交流访问心得。推荐系统通过分析海量用户签到数据，从中挖掘出有价值的信息，精准定位不同用户的个性化需求，分析用户的活动轨迹找出规律，向用户推荐符合用户偏好的兴趣点，向兴趣点经营者提供顾客的活动规律和购物习惯等从而改善经营。以Foursquare为例，Foursquare为商家提供针对顾客个性化的广告推荐，为不同的顾客推荐符合顾客自己兴趣爱好的商家，通过分析顾客的消费习惯，有偿地提供给商家以便商家及时本文档来自技高网...

【技术保护点】
1.一种面向位置社交网络的基于图链接分析的兴趣点推荐方法，其特征在于，所述方法包括以下步骤：步骤1、构建基于个性化PageRank算法的用户模型；利用个性化PageRank算法在针对用户个性化需求情况下的网页排名，来建模以用户为节点，以用户之间的相似性为边的图结构中，给一个特定用户推荐兴趣点时受到其他所有用户的影响，采用书签着色算法来计算对每个用户推荐兴趣点时受到其他用户的影响力值PPRu，公式表示如下：PPRu＝(ppr1,u,ppr2,u,ppr3,u,...pprj,u...ppr|U|,u)其中，pprj,i.表示用户j对用户i的推荐影响值，1

【技术特征摘要】
1.一种面向位置社交网络的基于图链接分析的兴趣点推荐方法，其特征在于，所述方法包括以下步骤：步骤1、构建基于个性化PageRank算法的用户模型；利用个性化PageRank算法在针对用户个性化需求情况下的网页排名，来建模以用户为节点，以用户之间的相似性为边的图结构中，给一个特定用户推荐兴趣点时受到其他所有用户的影响，采用书签着色算法来计算对每个用户推荐兴趣点时受到其他用户的影响力值PPRu，公式表示如下：PPRu＝(ppr1,u,ppr2,u,ppr3,u,...pprj,u...ppr|U|,u)其中，pprj,i.表示用户j对用户i的推荐影响值，1<＝j<＝|U|,|U|表示用户的总数；设在兴趣点推荐上用户k对用户i的影响值为pprk.i，那么用户i访问兴趣点j的推荐得分计算如下：U_scorei,j＝∑k∈U,k≠ipprk,i·norm_freqk,j其中，Lk表示用户k的签到历史的兴趣点集合，norm_freqk,j是用户签到历史中用户k对用户j的签到频次的规范化表示，频次的规范化计算公式表示如下：其中，freqk,j表示签到历史中用户k对兴趣点j的签到频次；用户推荐得分U_scorei,j的规范化计算公式如下所示：其中，U_scorei,j表示用户i访问兴趣点j的推荐得分，L表示兴趣点集合；步骤2、构建基于幂律分布和PageRank算法的地理模型；首先基于幂律分布来建模兴趣点对之间的距离分布；根据兴趣点之间的距离计算出用户在访问过一个兴趣点i的情况下访问一个候选兴趣点j的概率分值，用户访问的兴趣点对之间的距离在概率密度上近似符合幂律分布；假设dis(lj,li)表示为兴趣点lj和兴趣点li之间的地理距离，wi(dis)表示用户在访问过一个兴趣点li的情况下访问兴趣点li的可能性分值，采用以下公式建模wi和dis之间的函数关系：wi(dis)＝a*disk其中a和k是幂函数的参数，根据用户的访问历史数据来估计这两个参数，采用最大似然估计来估计参数的值，以上公式变换为：ln(wi(dis))＝lna+kln(dis)设p(lj|li)为用户在访问过兴趣点li的情况下访问兴趣点lj的概率分值，计算公式表示如下：对于一个用户u签到历史的兴趣点结合Lu，计算用户在访问过历史兴趣点集合Lu的条件下用户访问一个新兴趣点l的概率，也就是在用户u签到历史条件下给这个用户推荐一个未访问过的兴趣点l的得分，设给一个用户u推荐兴趣点l的推荐分值为G_SCORES，根据贝叶斯公式计算如下：G_SCORES的规范化计算方法如下表示：其中，P(l)是该兴趣点的先验概率，代表一个兴趣点的权威性或者流行程度；步骤3、基于用户模型和地理模型的兴趣点混合推荐；对用户模型的推荐得分和地理模型的推荐得分进行带权重的线性相加，计算混合推荐的兴趣点推荐得分，将推荐得分高的兴趣点集合推荐给用户；计算公式表示如下：REC_SCORE＝(1-α)*U_SCORE+α*G_SCORE其中，REC_SCORE表示混合推荐算法的最终推荐得分，U_SCORE表示用户模型下的推荐得分，G_SCORE表示地理模型下的推荐得分,α表示两个模型下的推荐得分的权重系数，即两个模型对最后推荐的影响因子；α范围在0和1之间，α＝0表示只考虑用户偏好模型推荐得分U_SCORE，α＝1表示只考虑地理模型的推荐得分G_SCORE，α越小表示用户偏好模型推荐得分的影响越大，反之越小。2.根据权利要求1所述的一种面向位置社交网络的基于图链接分析的兴趣点推荐方法，其特征在于，步骤1中进一步包括，采用书签着色算法来计算对每个用户推荐兴趣点时受到其他用户的影响力值PPRu包括以下步...

【专利技术属性】
技术研发人员：金苍宏，尤明伟，吴明晖，朱凡微，刘泽民，
申请(专利权)人：浙江大学城市学院，
类型：发明
国别省市：浙江,33