一种基于多重兴趣点对排序的个性化兴趣点推荐方法技术

本发明专利技术涉及一种基于多重兴趣点对排序的个性化兴趣点推荐方法，属于位置推荐领域。该方法包括：S1获取用户隐式反馈签到数据；S2对用户隐式反馈签到数据进行分析，挖掘用户签到数据的空间分布特征，确定用户的活动区域；S3计算用户对于各活动区域兴趣点的偏好，并将用户的历史签到数据划分为三种样本；S4将三种样本数据作为多重兴趣点对排序模型的训练数据，采用随机梯度下降算法对模型参数进行迭代学习，获得用户对不同兴趣点的偏好程度；S5根据用户对兴趣点偏好程度的高低向用户推荐一定数量的兴趣点列表。本发明专利技术缓解了签到数据稀疏性的影响，同时有助于挖掘用户具有潜在偏好的兴趣点，从而使兴趣点推荐的精确度得到提升。

A personalized interest point recommendation method based on multiple interest point pairs

【技术实现步骤摘要】
一种基于多重兴趣点对排序的个性化兴趣点推荐方法
本专利技术属于位置推荐领域，涉及一种基于多重兴趣点对排序的个性化兴趣点推荐方法。
技术介绍
近年来，随着嵌入GPS的移动终端设备(如智能手机、iPad)的普及，基于位置的社交网络(Location-BasedSocialNetwork,LBSN)得到了前所未有的发展，例如Foursquare、Gowalla和Yelp等。用户可以通过LBSN对他们在现实生活中访问的地点进行签到，或者留下明确表达他们对这个地方偏好的评分和评论，以供他们的朋友参考。LBSN不仅提供了一个用户和朋友共享位置信息的平台，而且也可以通过用户留下的大量签到和评论等信息发掘更多他们感兴趣的兴趣点，从而辅助用户做出决策。根据用户的偏好向他们推荐兴趣点已经成为了LBSN的一项重要的任务，它能够帮助用户快速地寻找到一座城市中他们可能感兴趣的地点。贝叶斯个性化排序是目前非常流行的一种配对排序推荐算法，它利用用户签到数据的隐式反馈机制，假设用户对签到过的地点的偏好要大于未签到的地点，来生成用户感兴趣的兴趣点列表。但是，用户的签到数本文档来自技高网...

【技术保护点】
1.一种基于多重兴趣点对排序的个性化兴趣点推荐方法，其特征在于，该方法具体包括以下步骤：/nS1：获取用户隐式反馈签到数据；/nS2：对用户隐式反馈签到数据进行分析，挖掘用户隐式反馈签到数据的空间分布特征，确定用户的活动区域；/nS3：计算用户对于各活动区域兴趣点的偏好，并将用户的历史签到数据划分为正样本、真实的负样本和潜在的正样本；/nS4：将三种样本数据作为多重兴趣点对排序模型的训练数据，采用随机梯度下降算法对模型参数进行迭代学习，获得用户对不同兴趣点的偏好程度；/nS5：根据用户对兴趣点偏好程度的高低向用户推荐一定数量的兴趣点列表。/n

【技术特征摘要】
1.一种基于多重兴趣点对排序的个性化兴趣点推荐方法，其特征在于，该方法具体包括以下步骤：
S1：获取用户隐式反馈签到数据；
S2：对用户隐式反馈签到数据进行分析，挖掘用户隐式反馈签到数据的空间分布特征，确定用户的活动区域；
S3：计算用户对于各活动区域兴趣点的偏好，并将用户的历史签到数据划分为正样本、真实的负样本和潜在的正样本；
S4：将三种样本数据作为多重兴趣点对排序模型的训练数据，采用随机梯度下降算法对模型参数进行迭代学习，获得用户对不同兴趣点的偏好程度；
S5：根据用户对兴趣点偏好程度的高低向用户推荐一定数量的兴趣点列表。


2.根据权利要求1所述的基于多重兴趣点对排序的个性化兴趣点推荐方法，其特征在于，所述步骤S1中，用户隐式反馈签到数据由用户ID、兴趣点ID、用户签到频率以及兴趣点的经纬度构成。


3.根据权利要求1所述的基于多重兴趣点对排序的个性化兴趣点推荐方法，其特征在于，所述步骤S2中，通过聚类得到用户u的活动中心集合Cu＝{cu1,cu2,…,cun}以及由已访问的兴趣点组成的多个活动区域集合Au＝{au1,au2,…,aun}。


4.根据权利要求3所述的基于多重兴趣点对排序的个性化兴趣点推荐方法，其特征在于，所述步骤S3具体包括：联合地理因素对用户签到的影响和用户对不同区域的偏好程度，得到用户u对兴趣点im的偏好公式为：



其中，Pgeo表示地理因素对用户签到偏好的影响，Pfreq表示通过签到频率计算出的用户签到偏好，和分别表示区域auk的均值向量和协方差矩阵，al表示用户活动区域集合Au中的第l个区域，和分别表示区域al的均值向量和协方差矩阵；假设用户对于活动区域内兴...

【专利技术属性】
技术研发人员：苏畅，王进，谢显中，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆;50