一种基于anchor-LDA和卷积神经网络的兴趣点推荐方法技术

本发明专利技术公开了一种基于anchor

【技术实现步骤摘要】
一种基于anchor
‑
LDA和卷积神经网络的兴趣点推荐方法


[0001]本专利技术属于神经网络和推荐系统的
，尤其涉及一种基于anchor
‑
LDA和卷积神经网络的兴趣点推荐方法。

技术介绍

[0002]近年来，随着现代的科技不断发展和进步，智能设备的普及应用，获取实时的位置信息越来越方便和容易。此外，Web上出现了许多与位置相关的兴趣点推荐相关的app，提供基于位置的服务给他们的用户，如Facebook、Instagram等。兴趣点推荐是基于位置的社交网络中最具有代表性的领域之一。协同过滤也是近年来推荐系统中比较受欢迎的技术，基本思想是通过分析用户的偏好找到与指定的用户偏好的其他形似用户，综合这些用户对兴趣点的评价信息，形成对指定用户的兴趣点预测。
[0003]兴趣点首先要考虑的信息就是位置信息。例如，大多数人首先会考虑访问离自己距离近的地点。矩阵分解是兴趣点推荐中比较常用的方法之一。尽管数据大多数是基于位置的社交网络，但是在这些数据中还是很难获得用户的偏好信息。矩阵分解被广泛的运用于解决数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于anchor
‑
LDA和卷积神经网络的兴趣点推荐方法，其特征在于，包括以下步骤：步骤S1：在登陆的用户位置信息中，忽略用户的时间循环信息；步骤S1.1：收集用户的签到信息，构造用户
‑
项目矩阵；步骤S2：使用LDA模型寻找用户偏好主题；步骤S3：设置初始签到地点和锚点，计算锚点和用户访问的访问地点的距离；步骤S3.1：将用户和锚点的距离拟合到指数分布函数中；步骤S3.2：通过LDA和概率分布的指数分布为每个用户进行兴趣点推荐；步骤S4：由CNN的卷积层提取数据特征和获得时空依赖性；步骤S5：使用批处理归一化层来改进训练和规范化数据值；步骤S5.1：再次利用批处理标准化层和激活层；步骤S6：将用户和兴趣点的显示和隐式关联关系集成到一起，进行兴趣点推荐。2.如权利要求1所述的基于anchor
‑
LDA和卷积神经网络的兴趣点推荐方法，其特征在于，在步骤S1中，用户在LBSN登陆他们访问的位置信息，其中包括用户ID、位置ID、时间循环和各种信息；通过收集用户所有签到记录，构造一个用户项目矩阵，其中每一行对应唯一的用户，每一列对应一个地点。3.如权利要求1所述的基于anchor
‑
LDA和卷积神经网络的兴趣点推荐方法，其特征在于，所述步骤S3中，用户访问兴趣点通过两个因素描述，一个是纯粹的兴趣，另一个是距离的远近；纯粹的兴趣可以从LDA中得到用户的兴趣主题，对于距离因素，每个用户都有自己的锚点...

【专利技术属性】
技术研发人员：张永库，范洪玉，孟祥福，马荣国，许睿航，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：