[发明专利]基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法

说明书

本发明公开了基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法，包括以下步骤：获取所有用户及候选推荐地点的历史签到信息，计算目标用户对候选推荐地点的地点偏好度TFIDF_u，l；计算相似度Sim_u,v；获取所有用户的社交网络信息，计算出相似用户的社交信誉度Rep_v；获取目标用户的位置信息，计算目标用户的地理距离影响因子g(dis_u，l)；基于候选推荐地点的历史签到信息计算候选推荐地点的流行度p(l)；计算目标用户的推荐分数Score_u,l；基于推荐分数Score_u,l生成推荐信息。本发明公开的技术方案可以根据不同用户的偏好、社交信誉度和地理位置为用户适合准确地推荐兴趣点。

技术领域

本发明涉及一种兴趣点推荐方法，尤其涉及基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法。

背景技术

随着移动互联网的快速发展，基于位置的社交网络(location-based socialnetwork)逐渐兴起，如Foursquare和Brightkite。签到逐渐成为一种新的生活方式，所谓签到是指人们在社交平台分享自己的位置信息，并发表评论的行为。目前，信息爆炸现象使用户在信息海洋中很难找到符合自己需求的东西，推荐系统作为解决信息过载的一种方式有效缓解了这一现象，其中，用户兴趣点推荐是社交网络中较为常见的推荐方式。兴趣点推荐系统通过统计用户的历史签到数据，为用户推荐未去过且可能感兴趣的地点。

目前，在对地点推荐的研究中，主要是根据协同过滤(user based collaborativefiltering,user-CF)算法为用户推荐兴趣点。协同过滤算法的步骤为：根据用户在某一地点的签到频次来形成用户的特征向量，然后使用皮尔逊相关性公式等方式计算不同用户的相似度，找到与待推荐用户相似的用户，最后将相似用户去过而待推荐用户没有去过的地点作为候选地点进行推荐。协同过滤技术因具有简单、易拓展性，在学术界和工业界已被广泛使用，但其中仍然存在一些问题需要改进：

1、现有技术中，仅仅使用0/1或者签到频次方式来表示用户对地点的偏好特征向量。实际上，0/1方式用1表示在某个地点签到过，0则表示没有在该地点签到过，这种方法并不能说明用户对这个地点的偏好程度，而签到频次这种方式说明的是用户在某个地点的签到次数，并不完全等价于用户对该地点的偏好程度。

2、现有技术中，在根据用户偏好特征向量来计算用户间的相似度时，默认用户共同签到过的地点的重要程度是一样的，然而，由于每个用户对不同地点具有不同程度的偏好，这种计算方式会导致计算结果不准确。

3、现有技术中，直接从社交网络中朋友访问过的地点集合中为用户生成推荐候选集列表，由于用户偏好存在差异过大情况，根据Brightkite数据集分析结果得知，社交网络上朋友间共同访问的地点比例很低，说明即使是朋友之间，用户偏好也可能会差别很大。因此直接从朋友处获取推荐列表存在不适用的情况，会导致推荐结果不准确。

发明内容

针对现有技术存在的上述不足，本发明要解决的技术问题是：如何提供一种能够为每个用户准确推荐兴趣点的方法，可以根据不同用户的偏好、社交信誉度和地理位置为每个用户适合准确地推荐兴趣点。

为解决上述技术问题，本发明采用了如下的技术方案：

基于用户偏好、社交信誉度和地理位置的兴趣点推荐方法，包括以下步骤：

获取所有用户及候选推荐地点的历史签到信息，基于所述所有用户的历史签到信息采用TF-IDF计算目标用户对所述候选推荐地点的地点偏好度TFIDF_u，l，所述所有用户包括目标用户及相似用户，u表示目标用户u，v表示相似用户v，l表示候选推荐地点l；