【技术实现步骤摘要】
POI推荐模型的构建方法及系统
本专利技术涉及信息处理
，尤其涉及一种POI推荐模型的构建方法及系统。
技术介绍
随着可以获取位置的设备和无线通信的发展，用户使用LBSN(location-basedsocialnetworks，基于位置的社交网络)的次数越来越多，例如，Foursquare、Gowalla、Facebook等。在LBSN中，用户可以通过签到，来彼此分享他们历史曾访问过位置的经历，这些经历(也就是用户所访问过的位置)也被称为POI(points-of-interest，兴趣点)，例如用户签到的访问记录中有餐馆、商店和博物馆，这些访问的经历表明用户对这些地点的喜好。通过用户签到的数据从而了解用户的偏好，进而将其用于制作用户的POI建议。这将有助于用户探索新的地方，并使得LBSN对用户更加具有吸引力。在实现本专利技术过程中，专利技术人发现相关技术中至少存在如下问题：现有的方法通常考虑用户访问POI的概率与地点的各特征(热度、地理位置、时间等)之间独立的关系，例如独立地模拟用户偏好与用户访问P...
【技术保护点】
1.一种POI推荐模型的构建方法，包括：/n获取多个用户在社交网络中的历史签到数据集，其中，所述历史签到数据集至少包括：签到时间、签到地址的信息；/n根据所述历史签到数据集内的签到时间、签到地址的信息确定所述用户的POI特征集合；/n提取所述POI特征集合中的至少一个POI特征，确定多个子模型训练集；/n通过监督模型对所述多个子模型训练集分别训练对应的POI概率估计，根据自决策树对所述POI概率估计迭代更新，当所述POI概率估计达到或超过预设阈值时，确定多个POI推荐子模型；/n根据应用加法聚集所述多个POI推荐子模型，以构建POI推荐模型。/n
【技术特征摘要】
1.一种POI推荐模型的构建方法，包括：
获取多个用户在社交网络中的历史签到数据集，其中，所述历史签到数据集至少包括：签到时间、签到地址的信息；
根据所述历史签到数据集内的签到时间、签到地址的信息确定所述用户的POI特征集合；
提取所述POI特征集合中的至少一个POI特征，确定多个子模型训练集；
通过监督模型对所述多个子模型训练集分别训练对应的POI概率估计，根据自决策树对所述POI概率估计迭代更新，当所述POI概率估计达到或超过预设阈值时，确定多个POI推荐子模型；
根据应用加法聚集所述多个POI推荐子模型，以构建POI推荐模型。
2.根据权利要求1所述的方法，其中，所述签到地址的信息包括：签到地址名称、签到地址类别、签到地址坐标；
所述POI特征集合包括：
根据单个用户在各签到地址名称以及签到地址类别的签到次数，确定所述单个用户的POI偏好以及类别偏好；
根据所述多个用户在各签到地址名称以及签到地址类别的签到次数，确定各签到地址的POI流行度；
根据所述单个用户在预设签到时间内相邻的签到地址的信息，确定所述单个用户的POI转换偏好以及类别转换偏好；
根据所述多个用户在预设签到时间内相邻的签到地址的信息，确定各签到地址的POI转换流行度以及类别转换流行度，其中，所述预设签到时间还包括：小时、星期，确定所述各签到地址的POI时间感知流行度以及类型时间感知流行度；
根据所述签到地址坐标，确定各签到地址间的地理距离。
3.根据权利要求2所述的方法，其中，所述提取所述POI特征集合中的至少一个POI特征，确定多个子模型训练集包括：
通过预先指定簇的数量阈值，根据各签到地址的地址坐标对所述各签到地址进行聚类；
根据各聚类类别内各签到地址的签到次数确定各聚类类别的多个POI特征，从而确定多个子模型训练集。
4.根据权利要求1所述的方法，其中，所述历史签到数据集包括训练数据集以及验证数据集，其中，所述训练数据集用于确定用户的POI特征集合。
5.根据权利要求4所述的方法，其中，在根据所述训练数据集确定的用户的POI特征集合之后，所述方法还包括：
根据所述POI特征集合确定多个POI推荐子模型；
通过验证数据集对所述多个POI推荐子模型进行校验，确定所述多个POI推荐子模型中的部分有效POI推荐子模型；
根据所述部分有效POI推荐子模型修剪所述多个POI推荐子模型，以减少过度拟合。
6.一种POI推荐模型的构建系统，包括：...
【专利技术属性】
技术研发人员：王新珩，伊雷·内择瑞安汗择，陈涛，玛德塞·伊克巴尔，
申请(专利权)人：知谷上海网络科技有限公司，
类型：发明
国别省市：上海;31
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。