一种融入空间关系的POI推荐方法及推荐系统技术方案

本发明专利技术公开了一种融入空间关系的POI推荐方法及推荐系统，根据收集用户在LBSN服务平台上生成的时空信息和POI时空信息，依据所述时空信息确定所述用户签到行为受空间关系的影响模式；根据所述用户生成的时空信息，划分出用户生活圈范围，并通过此生活圈范围构建用户与POI间的空间关系影响模式，根据所述POI时空信息，使用KNN算法计算出每个POI的地理邻居，并通过POI的地理邻居构建POI与POI之间的空间关系影响模式；缓解了数据稀疏和隐性反馈问题。题。题。

【技术实现步骤摘要】
一种融入空间关系的POI推荐方法及推荐系统


[0001]本专利技术涉及数据挖掘领域的推荐技术，具体涉及一种融入空间关系的 POI推荐方法及推荐系统。

技术介绍

[0002]随着社交网络，全球定位技术和移动互联服务的发展，基于位置的 社交网络(Location
‑
Based Social Network,LBSN)服务也随之流行并改变人们 的日常生活；LBSN服务通过用户的社交媒体将用户访问一个位置或签到的信 息分享给社交网络好友，通过这种签到信息，可以发掘出用户与其签到位置的 相互关系，并以此帮助人们寻找他们感兴趣的地方。因此导致了POI推荐技术 的兴起。
[0003]POI推荐技术主要面临的两个主要问题：数据稀疏和隐性反馈。数 据稀疏，难以准确的对用户行为进行建模；隐性反馈，即通过签到数据难以得 知用户偏爱。这两个问题极大地影响了推荐技术的性能以及用户对推荐结果的 满意度。

技术实现思路

[0004]为了解决上述问题，本专利技术提供了一种融入空间关系的矩阵分解 POI推荐方法及推荐系统，缓解了数据稀疏和隐性反馈导致的推荐性能低的问 题。
[0005]本专利技术的目的是这样实现的：一种融入空间关系的POI推荐方法，包括以下步骤：步骤1：根据收集用户 在LBSN服务平台上生成的时空信息和POI时空信息，依据所述时空信息确定所 述用户签到行为受空间关系的影响模式；步骤2：根据步骤1中所述用户生成的 时空信息，划分出用户生活圈范围，并通过此生活圈范围构建用户与POI间的空 间关系影响模式，根据步骤1中所述POI时空信息，使用KNN算法计算出每个POI 的地理邻居，并通过POI的地理邻居构建POI与POI之间的空间关系影响模式；步 骤3：利用融入空间关系的矩阵分解方法得到用户和POI的嵌入向量、用户和POI 偏置项，通过预测公式对每个用户可能会访问的POI进行预测并将预测值按大小 进行排序，进行POI推荐。
[0006]所述步骤1中用户在LBSN服务平台上生成的时空信息和POI时空信息 包括：用户历史签到记录，用户唯一编号，POI唯一编号，POI经纬度坐标，用 户签到时间。
[0007]所述步骤1中依据所述时空信息确定所述用户签到行为受空间关系的 影响模式包括：空间关系在用户与POI之间的影响、空间关系在POI与POI之间的 影响。
[0008]所述步骤2中划分出用户生活圈范围，并通过此生活圈范围构建用户 与POI间的空间关系影响模式包括：生活圈半径是通过实验调整和理论分析得到的；用户活动中心是通过计算用户历史签到数据得到的，其计算过程为：首先， 根据时空信息，统计用户访问的POI位置(经纬度)、频率，假设每个POI的权 重相同，将用户访问过的POI经纬度分别累加，之后除以用户访问过的POI 个数计算出每个用户的活动中心(以
经纬度表示)；对于用户与POI之间的空间关系影响模式，使用非线性函数给予空间关系 影响一个指示值，所述衡量用户与POI之间的空间关系的公式为：其中，D
ui
＝1，表示POI i在以用户u活动中心为中 心的生活圈范围内，反之不在。dis(i|u)是POI i距离用户u往常活动中心的 距离，d是根据生活圈理论以及实验测试所得出的生活圈半径。
[0009]所述步骤2中使用KNN算法计算出每个POI的地理邻居，并通过POI 的地理邻居构建POI与POI之间的空间关系影响模式包括：通过所述时空信息， 使用KNN算法选择离POI最近的K个POI作为该POI的地理邻居；对于POI与POI之间的空间关系影响模式，使用每个POI的K的地理邻居 表示，所述衡量POI与POI之间的空间关系的公式为：其中，表示在所述时空信息下，POI i的地理邻居被访问频率总和， 是POI i的地理邻居在历史签到记录中的总体曝光量，I
i
表示使用KNN算法计 算得到的POI i的地理邻居集合；表示所有POI地理邻居被访问频率 总和的均值，是衡量一个POI地理邻居总体曝光量大小的指标，I表示在所述 时空信息下所有POI集合；μ表示计算系数，表示sigmoid函数。
[0010]所述步骤3中利用融入空间关系的矩阵分解方法得到用户嵌入向量、 POI的嵌入向量、用户偏置项和POI偏置项包括步骤：a1.利用所述时空信息，获得空间信息在用户与POI间的影响模式和空间信 息在POI与POI间的影响模式；a2.利用所述矩阵分解方法，结合空间关系的影响，学习得到用户和POI的嵌 入向量。
[0011]所述步骤3中学习得到用户嵌入向量、POI的嵌入向量、用户偏置项 和POI偏置项方法包括：b1.进行以下更新操作，直到目标函数收敛；b2.利用随机梯度下降法更新用户嵌入向量，所述更新用户嵌入向量的公式 为：其中，表示融入空间关系的矩 阵分解方法中得到用户向量的目标函数，w
ui
表示用户u在POI i的历史签到记 录频率有关的信任度，更多的签到记录意味着更大的信任度，由于用户
‑
POI 签到矩阵中的0元素可能
POI推荐的召回率比较；
具体实施方式
[0016]以下结合附图和实施例对本专利技术作进一步说明。
[0017]实施例1：如图1所示，一种融入空间关系的POI推荐方法，包括以下步骤：步骤1：根 据收集用户在LBSN服务平台上生成的时空信息和POI时空信息，依据所述时 空信息确定所述用户签到行为受空间关系的影响模式；所述用户在LBSN服务平台上生成的时空信息和POI时空信息包括：用户历史 签到记录，用户唯一编号，POI唯一编号，POI经纬度坐标，用户签到时间； 依据所述时空信息确定所述用户签到行为受空间关系的影响模式包括空间关 系在用户与POI之间的影响和空间关系在POI与POI之间的影响。
[0018]步骤2：根据所述用户生成的时空信息，划分出用户生活圈范围，并 通过此生活圈范围构建用户与POI间的空间关系影响模式，根据所述POI时空 信息，使用KNN算法计算出每个POI的地理邻居，并通过POI的地理邻居构 建POI与POI之间的空间关系影响模式；划分出用户生活圈范围，并通过此生活圈范围构建用户与POI间的空间关系影 响模式包括：生活圈半径是通过实验调整和理论分析得到的；用户活动中心是通过计算用户历史签到数据得到的，其计算过程为：首先，根 据时空信息，统计用户访问的POI位置(经纬度)、频率，假设每个POI的权重 相同，将用户访问过的POI经纬度分别累加，之后除以用户访问过的POI个数 计算出每个用户的活动中心(以经纬度表示)。
[0019]对于用户与POI之间的空间关系影响模式，使用非线性函数给予空间 关系影响一个指示值，所述衡量用户与POI之间的空间关系的公式为：其中，D
ui
＝1，表示POI i在以用户u活动中心为中心的生活圈范围内，反之 不在。dis(i|u)是POI i距离用户u往常活动中心的距离，d是本实施例根据生 活圈理论以及实验测试所得出的生活圈半径。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融入空间关系的POI推荐方法，其特征在于：包括以下步骤：步骤1：根据收集用户在LBSN服务平台上生成的时空信息和POI时空信息，依据所述时空信息确定所述用户签到行为受空间关系的影响模式；步骤2：根据步骤1中所述用户生成的时空信息，划分出用户生活圈范围，并通过此生活圈范围构建用户与POI间的空间关系影响模式，根据步骤1中所述POI时空信息，使用KNN算法计算出每个POI的地理邻居，并通过POI的地理邻居构建POI与POI之间的空间关系影响模式；步骤3：利用融入空间关系的矩阵分解方法得到用户和POI的嵌入向量、用户和POI偏置项，通过预测公式对每个用户可能会访问的POI进行预测并将预测值按大小进行排序，进行POI推荐。2.根据权利要求1所述融入空间关系的POI推荐方法，其特征在于：所述步骤1中用户在LBSN服务平台上生成的时空信息和POI时空信息包括：用户历史签到记录，用户唯一编号，POI唯一编号，POI经纬度坐标，用户签到时间。3.根据权利要求1所述融入空间关系的POI推荐方法，其特征在于：所述步骤1中依据所述时空信息确定所述用户签到行为受空间关系的影响模式包括：空间关系在用户与POI之间的影响、空间关系在POI与POI之间的影响。4.根据权利要求1或3所述融入空间关系的POI推荐方法，其特征在于：所述步骤2中划分出用户生活圈范围，并通过此生活圈范围构建用户与POI间的空间关系影响模式包括：生活圈半径是通过实验调整和理论分析得到的；用户活动中心是通过计算用户历史签到数据得到的，其计算过程为：首先，根据时空信息，统计用户访问的POI位置(经纬度)、频率，假设每个POI的权重相同，将用户访问过的POI经纬度分别累加，之后除以用户访问过的POI个数计算出每个用户的活动中心(以经纬度表示)；对于用户与POI之间的空间关系影响模式，使用非线性函数给予空间关系影响一个指示值，所述衡量用户与POI之间的空间关系的公式为：其中，D
ui
＝1，表示POI i在以用户u活动中心为中心的生活圈范围内，反之不在。dis(i|u)是POI i距离用户u往常活动中心的距离，d是根据生活圈理论以及实验测试所得出的生活圈半径。5.根据权利要求1或3所述融入空间关系的POI推荐方法，其特征在于：所述步骤2中使用KNN算法计算出每个POI的地理邻居，并通过POI的地理邻居构建POI与POI之间的空间关系影响模式包括：通过所述时空信息，使用KNN算法选择离POI最近的K个POI作为该POI的地理邻居；对于POI与POI之间的空间关系影响模式，使用每个POI的K的地理邻居表示，所述衡量POI与POI之间的空间关系的公式为：其中，表示在所述时空信息下，POI i的地理邻居被访问频率总和，是POI i的地理邻居在历史签到记录中的总体曝光量，I
i
表示使用KNN算法计算得到的POI i的地理邻
居集合；表示所有POI地理邻居被访问频率总...

【专利技术属性】
技术研发人员：魏海涛，李柯，田智慧，赫晓慧，
申请(专利权)人：郑州大学，
类型：发明
国别省市：