一种基于时空信息的用户动态兴趣点推荐方法技术

本发明专利技术涉及兴趣点推荐技术，其公开了一种基于时空信息的用户动态兴趣点推荐方法，解决现有协同过滤方案存在的内容单一、静态化，以及基于深度学习的方案存在的数据稀疏性问题。该方法，基于目标用户当前时段的交互和其它用户在与当前时段属于相同时间段的交互，从空间和偏好两方面综合度量用户间的相似性，从而筛选出相似用户；然后，基于相似用户在该时段对目标用户历史交互的访问频次，构建静态的偏好列表；并基于相似用户各时间段的交互数据，建立状态转移模型，计算转移矩阵，在静态偏好列表的基础上利用转移矩阵计算出动态偏好，即推荐类别，最后以相似用户在该时间段的交互，基于推荐类别，为目标用户进行推荐。

【技术实现步骤摘要】

本专利技术涉及兴趣点推荐技术，具体涉及一种基于时空信息的用户动态兴趣点推荐方法。

技术介绍

1、在兴趣点的预测方面，传统方法主要是基于协同过滤(collaborativefiltering)的方法，这是一种广泛应用于推荐系统的技术，它基于用户行为和用户之间的相似性来生成个性化的推荐。即，将用户视为兴趣点评价的提供者，通过分析用户-兴趣点交互数据来识别用户之间的相似性和兴趣点之间的关联。然而，该方法往往忽视了用户的时空属性对兴趣变化的影响，导致推荐结果过于静态和单一，无法准确反映用户在不同时间、地点和情境下的多元化需求。长此以往便形成了过滤气泡，用户长期处于信息的舒适区，限制了用户对新颖内容的接触和发现，从而限制了用户对丰富多样内容的探索。

2、此外，随着近些年深度学习的发展基于深度学习的兴趣点预测方法快速兴起，其采用能够对序列数据进行建模的循环神经网络(recurrent neural network，rnn)和卷积神经网络(convolutional neural network，cnn)等深度学习架构能够捕捉交互数据中的时空特征，在兴趣点推本文档来自技高网...

【技术保护点】

1.一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，

3.如权利要求1所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，

4.如权利要求1-3任意一项所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，

5.如权利要求1～3任意一项所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，步骤S32中，按如下公式，针对各分组，分别基于组内各交互与其分组中心之间的空间距离，计算各交互与其分组中心之间的空间相似度：

...

【技术特征摘要】

1.一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，

3.如权利要求1所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，

4.如权利要求1-3任意一项所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，

5.如权利要求1～3任意一项所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，步骤s32中，按如下公式，针对各分组，分别基于组内各交互与其分组中心之间的空间距离，计算各交互与其分组中心之间的空间相似度：

6.如权利要求5所述的一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，<...

【专利技术属性】
技术研发人员：张栗粽，惠孛，田玲，郑旭，范馨予，夏宇昂，王婷琦，
申请(专利权)人：电子科技大学深圳高等研究院，
类型：发明
国别省市：