[发明专利]一种基于位置社交网络的地点推荐方法

说明书

技术领域

本发明涉及推荐系统和基于位置社交网络领域。

背景技术

近来，移动设备技术的发展(GPS、Wi-Fi)使地理位置信息与传统的在线社交网络的结合成为可能，传统的在线社交网络进化为基于位置的社交网络(LBSNs)。地理位置信息可以充当网络缺乏的物理维度。在这个新的领域，用户可以通过移动设备随时随地使用基于位置的服务。此外，用户可以同他人分享与地点相关的信息。

在实际的应用中，用户-项目的评分矩阵通常都是比较稀疏的，因此，很多推荐结果并不理想。

发明内容

有鉴于此，本发明提供了一种基于位置社交网络的地点推荐方法，该方法能够在用户-项目评分矩阵稀疏的情况下可以弥补矩阵稀疏性并产生较高质量的推荐结果。

为了达到上述目的，本发明的技术方案包括如下步骤：

步骤1、建立基于位置的社交网络LBSNs中的用户集合，用户的地点集合，用户的签到集合以及每个用户的朋友集合。

步骤2、针对当前用户u₁，得到其签到集合为C、地点集合为L、朋友集合为F；

从其签到集C中得到一个描述用户-地点-签到次数的集合LN，LN中每一条数据均包括当前用户u₁的ID、当前用户u₁的地点ID以及当前用户u₁的ID在每个地点ID的历史签到次数。

从朋友集合F中得到一个描述用户-用户-共同朋友数量的集合FN，FN中的每条数据均包括当前用户u₁及其朋友的ID、当前用户u₁与其朋友之间共同朋友的数量。

步骤3、当前用户u₁与朋友u₂关于签到记录的相似度为：

其中，f_u，l代表用户u在地点l的签到次数；其中u₂∈F。

步骤4、当前用户u₁和朋友u₂关于社交关系的相似度为：U代表用户的集合，代表用户u₁与用户u共同朋友的数量。

步骤5、根据步骤3和步骤4的结果，计算得到当前用户u₁和朋友u₂的相似度为

其中，代表当前用户u₁和朋友u₂的地理位置间的距离。

步骤6、依据步骤5的计算结果，获取K个和当前用户u₁相似度最高的朋友作为最近邻居。

步骤7、通过当前用户u₁的K个最近邻居，计算得到地点集合P，集合P由当前用户u₁的最近邻居访问过、而u₁没有访问过的地点构成；对于集合P中的每个地点p，计算出当前用户u₁可能访问地点p的频率为当前用户u₁和访问过地点p的最近邻用户u_p的相似度，为u_p在地点p的历史签到次数。

选取前50个预测频率最高的地点作为地点候选集L_c。

步骤8、遍历L_c中的每一个候选地点l_c，计算当前用户u₁访问候选地点l_c的可能性，选出可能性最大的多个候选地点作为推荐地点。

已有用户访问过的地点的集合L和集合中每对地点的地理位置距离集合D。计算l_c与地点集合L中的每个地点l_i的d_i，i∈[1，n]，n为集合L中地点的个数。

则当前用户u₁访问候选地点l_c的概率为

D为当前用户u₁的访问地理距离样本集合；集合L中地点两两之间的地理位置距离集合，h为带宽，按照如下带宽公式求解：

为当前用户u₁的访问地理距离样本标准差。

当前用户u₁可能访问候选地点l_c的概率为

则当前用户u₁访问候选地点l_c的可能性为：p(u，l)＝p_CF(u，l)×p_distribution(u，l)。