基于用户签到行为变化的深层语义分析的兴趣点推荐方法技术

本发明专利技术公开了基于用户签到行为变化的深层语义分析的兴趣点推荐方法，涉及用户行为分析技术领域，本发明专利技术首先使用高斯核密度估计把用户签到区域分为本地区域和异地区域，依据用户签到行为所处的位置，提出一种用户签到行为兴趣变化方法，构建基于矩阵分解的LDSSCS模型，然后对用户的签到行为进行深层语义分析研究。本发明专利技术基于用户的位置变化，不仅能够为用户推荐最可能感兴趣的地点，提高用户的生活质量，而且能够为商家发掘潜在客户，增加商业利益，为基于位置的社交网络下的兴趣点推荐提供支持，促进移动应用和服务领域的进一步发展。

Interest Point Recommendation Method Based on Deep Semantic Analysis of User Sign-in Behavior Change

The invention discloses an interest point recommendation method based on deep semantic analysis of user check-in behavior change, which relates to the field of user behavior analysis technology. Firstly, the user check-in area is divided into local and exotic areas by using Gauss kernel density estimation. According to the location of user check-in behavior, a user check-in behavior interest change method is proposed, and a matrix score is constructed. The LDSSCS model is solved, and the deep semantic analysis of user's check-in behavior is carried out. Based on the location change of the user, the invention can not only recommend the most likely place of interest for the user, improve the quality of life of the user, but also discover potential customers for the business, increase business interests, provide support for the recommendation of interest points under the location-based social network, and promote the further development of mobile applications and services.

【技术实现步骤摘要】
基于用户签到行为变化的深层语义分析的兴趣点推荐方法
本专利技术涉及用户行为分析
，特别涉及基于用户签到行为变化的深层语义分析的兴趣点推荐方法。
技术介绍
近年来，随着移动互联网爆炸式增长、电子商务的迅猛发展以及智能手机的快速普及，让用户分享基于位置的体验也变得更加容易，也使得基于位置的社交网络成为移动互联网的核心因素之一，因此基于位置的社交网络下的兴趣点推荐已成为了目前研究的热点。从用户的角度来说，兴趣点推荐可以帮助用户有效地探索符合用户偏好的新地方，增强用户的日常生活质量，给用户带来全新的、丰富的生活体验；从兴趣点商家来说，可以为企业吸引跟多的潜在客户，为潜在客户提供相关的广告，为企业带来更多的商业利益。目前，虽然有许多针对兴趣点推荐的研究，但是，仔细观察他们的研究模型，发现很少有针对基于用户签到行为变化的兴趣点推荐进行深层的语义分析研究，所以，需要一种基于用户签到行为变化的深层语义分析的兴趣点推荐方法。
技术实现思路
本专利技术实施例提供了基于用户签到行为变化的深层语义分析的兴趣点推荐方法，用以解决现有技术中存在的问题。基于用户签到行为变化的深层语义分析的兴趣点推荐方法，包括：本文档来自技高网...

【技术保护点】
1.基于用户签到行为变化的深层语义分析的兴趣点推荐方法，其特征在于，包括：步骤一、采集用户签到行为数据，并进行预处理；步骤二、按照等时段划分预处理后的用户签到行为数据集合C，得到T个子集；步骤三、使用二维高斯核密度估计方法识别用户所处的本地区域或者异地区域；步骤四、构建LDSSCS模型对用户的签到行为进行深层语义特征分析；步骤五、优化LDSSCS模型和参数估计；步骤六、将基于Top‑K的个性化动态即时兴趣点推荐给用户。

【技术特征摘要】
1.基于用户签到行为变化的深层语义分析的兴趣点推荐方法，其特征在于，包括：步骤一、采集用户签到行为数据，并进行预处理；步骤二、按照等时段划分预处理后的用户签到行为数据集合C，得到T个子集；步骤三、使用二维高斯核密度估计方法识别用户所处的本地区域或者异地区域；步骤四、构建LDSSCS模型对用户的签到行为进行深层语义特征分析；步骤五、优化LDSSCS模型和参数估计；步骤六、将基于Top-K的个性化动态即时兴趣点推荐给用户。2.如权利要求1所述的方法，其特征在于，所述步骤三中使用高斯核密度估计识别用户的本地区域或者异地区域，指将空间二维的经纬度坐标融入到核密度估计方法中，根据用户签到历史位置的经纬度坐标得到用户将签到位置l的概率，设任意位置li的经纬度坐标为l′i＝(lati，logi)T，依据用户签到的历史位置经纬度坐标，计算签到候选兴趣点位置l的概率值：其中，|Lu|表示用户u的签到历史位置总的数量，H为核函数带宽，K为核函数，采用高斯核函数选取，如下所示：3.如权利要求1所述的方法，其特征在于，所述步骤三中，定义用户集合U＝{u1,u2,...um}，兴趣点集合P＝{p1,p2,...pn}，R∈Rm×n表示包含m个用户和n个兴趣点的用户-兴趣点签到矩阵，把R划分为T＝{t1,t2,...,t|T|}个时间段子矩阵Rt，每一个子矩阵包含对应时间段的用户签到行为；Z＝{Z1,Z2,...,ZT}分别表示用户在T＝{t1,t2,...,t|T|}时刻的用户兴趣点主题；SF、SD、SE分别表示目标用户的直接朋友关系集合、与目标用户有着共同签到行为的用户集合、可信推荐专家集合；β＝{β1，β2，…，β|T|}表示在t时刻控制着用户兴趣点主题Z分布的超参数；在某一时间段下用户的签到评分Rt被分解为用户特征Ut和兴趣点特征P，由于用户签到行为会随时间t变化而发生变化，定义为Ut，兴趣点特征P被t时间段所有用户共享，定义为P；设置一个开关变量q，当q＝0时，设用户在本地区域，执行周期兴趣点推荐和时间敏感的下一地点推荐时，考虑用户的稳定兴趣和用户所具有的双社会关系，即包含直接朋友关系集合SF和与其具有共同签到行为关系的用户集合SD；当q＝1时，设用户在异地区域，执行周期兴趣点推荐和时间敏感的下一地点推荐时，考虑用户的混合兴趣，即稳定兴趣和短暂兴趣，以及来自可信推荐专家SE的信息；(a)周期兴趣点推荐在LDSSCS模型中，当开关变量q＝0时，用户在本地区域，把用户所具有的稳定兴趣主题双社会关系集合融合到基于时序周期变化的矩阵分解模型中，所得到的最小化目标函数表示如下：其中，表示用户ui在时序状态下的签到活动，是在t时刻签到行为指示矩阵，Ut∈R...

【专利技术属性】
技术研发人员：崔琳，汪材印，张志伟，谈成访，潘正高，刘永清，
申请(专利权)人：宿州学院，
类型：发明
国别省市：安徽,34