【技术实现步骤摘要】
一种个性化兴趣点推荐方法及系统
本专利技术涉及兴趣点(Point-of-Interest,POI)推荐技术,尤其涉及一种个性化兴趣点推荐方法及系统,属于推荐系统领域。
技术介绍
随着互联网的高速发展和移动智能设备的迅速普及,人们越来越关注自己的位置以及周边地理位置的信息,基于位置服务应用(Location-BasedServices,LBS)吸引了大量用户使用。基于位置服务应用通过移动智能设备能快速得到用户的地理位置信息,及时提供相应的位置服务,例如Google、百度、必应等搜索引擎利用用户的位置信息改善搜索结果的排序;QQ、微信、微博等社交软件利用用户的社交信息和位置信息来向用户推荐好友或附近的用户;美团、大众点评等网站使用用户的兴趣点签到数据、用户的地理位置信息等分析用户的习惯,给用户推荐餐厅、商场等兴趣点。兴趣点(Point-of-Interest,POI),泛指一切可以抽象为点的地理对象,尤其是指一些与人们生活密切相关的地理实体,如商场、公园、酒店、游乐场、停车场、地标建筑等。人们可以使用移动智能设备随时随地分享自己所处的位置,也可以对自己喜欢的兴趣点进行打卡签到,还可以把自己在这些兴趣点的体验分享到网络上,由此产生了大量的交互信息以及时间、地点、评论等丰富的辅助信息,这些信息为针对用户个性化推荐兴趣点提供了可能。基于位置服务应用通过发掘用户的偏好,帮助用户探索从未去过的兴趣点,提供更好的用户体验,还可以帮助商家推荐潜在客户,产生商业价值。因此,个性化兴趣点推荐方法的研究具有重要的意义。目前, ...
【技术保护点】
1.一种个性化兴趣点推荐方法,其步骤包括:/n1)根据用户及兴趣点的历史签到信息,获取用户集合、兴趣点集合和每个用户兴趣点集合;其中目标用户u的兴趣点集合为
【技术特征摘要】
1.一种个性化兴趣点推荐方法,其步骤包括:
1)根据用户及兴趣点的历史签到信息,获取用户集合、兴趣点集合和每个用户兴趣点集合;其中目标用户u的兴趣点集合为其中第i个元素表示用户u访问第i个兴趣点的兴趣点编号,签到时间集合其中第i个元素表示用户u访问第i个兴趣点的时间;兴趣点集合L′u中元素与签到时间集合T′u中元素一一对应,n为目标用户u访问的兴趣点总数;
2)根据兴趣点编号查询每个兴趣点信息并通过嵌入模型编码得到兴趣点向量;其中目标用户u的兴趣点向量其中第i个分量为用户u第i个兴趣点的兴趣点向量,xname为兴趣点名字向量,xtype为兴趣点类型向量;
3)根据用户的兴趣点签到时间信息,编码得到对应用户的时间特征向量;其中目标用户u的时间特征向量其中第i个分量为用户u访问第i个兴趣点的时间特征;包括访问第i个兴趣点的时间类别信息以及时间段信息;
4)根据用户的兴趣点签到天气信息,编码得到对应用户的天气特征向量;其中目标用户u的天气特征向量其中第i个分量为用户u第i个兴趣点的天气特征;
5)根据用户的兴趣点签到信息,计算得到对应用户的空间特征向量;其中目标用户u的空间特征向量目标用户u在该兴趣点i的空间特征
6)根据用户的兴趣点签到序列中每个兴趣点的兴趣点向量、时间特征向量、天气特征向量、空间特征向量,生成对应用户的兴趣点矩阵;
7)根据各用户的兴趣点矩阵数据训练LSTM-Autoencoder模型,其中LSTM-Autoencoder模型的Encoder部分用于编码用户兴趣点访问偏好,LSTM-Autoencoder模型的Decoder部分用于修正用户兴趣点签到序列;
8)使用训练好的LSTM-Autoencoder模型,对每个用户兴趣点签到序列进行修正,得到修正后的用户签到序列;
9)将目标用户u修正后的签到序列输入LSTM-Autoencoder模型得到该目标用户u的兴趣点访问偏好向量hu;
10)根据目标用户u兴趣点访问偏好向量hu,确定目标用户u在给定时间信息t、天气信息w时的候选推荐兴趣点。
2.如权利要求1所述的方法,其特征在于,步骤10)中,根据给定时间信息t、天气信息w,计算该目标用户u兴趣点签到序列中每个兴趣点的空间特征及推荐评分,其中第i个候选推荐兴趣点li的空间特征为si,然后拼接得到第i个候选推荐兴趣点的向量xi=[liαtβwγsi]T,对应推荐评分Scoreu,i=huTxi;然后根据推荐评分向该目标用户u推荐兴趣点。
3.如权利要求1所述的方法,其特征在于,得到目标用户u的空间特征向量Su的方法为:首先根据目标用户u访问的各兴趣点位置计算目标用户u的活动中心cu;然后计算每个兴趣点与活动中心的距离;其中第i个兴趣点的位置li与活动中心cu的距离为将兴趣点i的位置li和距离拼接得到目标用户u在该兴趣点i的空间特征然后根据根据兴趣点的空间得到目标用户u的空间特征向量
4.如权利要求1所述的方法,其特征在于,目标用户u的兴趣点矩阵Xu=[LuTαTuTβWuTγSuT]T,其中α、β、γ分别为时间特征、天气特征、空间特征的权重因子。
5.如权利要求1所述的方法,其特征在于,所述天气特征包括天气情况wea、实时温度tem、湿度hum和空气质量a...
【专利技术属性】
技术研发人员:刘凯,李观波,向继,查达仁,王雷,
申请(专利权)人:中国科学院信息工程研究所,
类型:发明
国别省市:北京;11
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。