[发明专利]一种基于位置社交网络的商家推荐的优化方法

说明书

技术领域

本发明属于位置社交网络技术领域，具体涉及一种基于位置社交网络的商家推荐的优化方法。

背景技术

位置社交网络的广泛使用与其规模的不断扩大使得商家推荐系统成为时下热门应用之一。商家推荐系统即为用户推荐可能感兴趣地点的商家。位置社交网络中存在着丰富的多源异构信息，如社交网络关系，包含经纬度的地理位置信息，用户对商家的点评文本，评分以及相应的时间戳信息等。母庸置疑，通过挖掘这些信息可以有效提升个性化商家推荐系统的准确性。

传统的推荐系统方法可以被无缝地移值到商家推荐系统中。在这种情况下，位置社交网络中的商家被看成是一个普通的物品接受用户点评。然而由于位置社交网络的特殊性，其具有传统推荐系统研究中不具备的多源异构信息，而这些信息可以帮助更好的学习到用户的偏好并有助于提高推荐的准确率，因此融合这些多源信息来进行商家推荐系统的设计值得研究。尽管之前的一些研究也在这些方面有一些进展,如在一个模型中融入相对较全面的多源异构信息来进行推荐，且模型具有一定的鲁棒性，即能够在部分信息缺失的情况下依然能够保证推荐系统的正常运行，现有的模型关于社交关系信息建模方面利用了社交网络所具有的天然社交关系进行商家推荐。然而，最近的社会学研究结果表明这种方法可能不是最恰当的。研究指出，将人们聚在一起的规则包括：(1)习惯或生活方式；(2)态度；(3)口味；(4)道德标准；(5)经济水平；(6)已经知道的人。显然，规则3和规则6是现有推荐系统考虑的主流因素，但利用社交网络天然社交关系进行商家推荐存在的最大的问题在于，虽然用户彼此之间是好友，但彼此间生活方式差异可能会巨大，因此好友推荐的结果可能跟自己希望的截然不同，而规则1可能是最直观的，即利用相似生活方式的社交关系进行商家推荐则可能更为精准。

发明内容

为了帮助更好地学习到用户的偏好，并有助于提高推荐的准确率，本发明提供一个融合用户的点评文本，社交关系以及用户访问位置的地理位置信息的联合模型的优化方案。

为此目的，本发明采用的技术方案是一种基于位置社交网络的商家推荐的优化方法，具体包括如下步骤：

步骤1、构建原多源信息融合模型CoSoLoRec，包含内容，社交和位置信息；

步骤2、基于生活方式相似的社交关系信息进行建模，即在CoSoLoRec中社交关系信息建模阶段,采用基于用户的协同过滤的方法来预测商家对用户的吸引力，通过LDA算法引入带有生活方式属性的内容计算用户间的相似度；

步骤3、采用余弦相似度进行度量；

步骤4、采用改进的杰卡德相关系数进行度量。

进一步，上述步骤1中的原多源信息融合模型包含个人兴趣和距离，用下式来表示：

Probability＝(p_ex+p_im)×((1-λ)p_l+λp_f)

其中p_im表示隐式兴趣概率，p_ex表示显示兴趣概率，p_l和p_f分别表示地理上距离影响概率和基于好友心理上的影响概率，λ是用来调整地理距离与心理距离在贡献概率中的比重大小。

上述步骤2中，所述计算用户间的相似度的具体步骤如下：

(1)将用户的日常生活与文档主题生成模型进行类比，即将用户的日常生活模拟为文档，将生活方式作为主题，将活动作为词；

(2)采用概率主题模型来从“生活文档”中发现用户隐藏的“生活方式向量”；

(3)用户间生活方式的相似度定义为用户间整体生活方式向量的相似度与主要生活方式向量相似度相乘的形式。

上述步骤3中所述的整体生活方式向量的生成具体包括：将用户的日常生活与文档主题生成模型进行类比，即将用户的日常生活模拟为文档，将生活方式作为主题，将活动作为词，采用概率主题模型来从“生活文档”中发现用户隐藏的“生活方式向量”，具体如下：