[发明专利]一种基于位置和社交关系的群组与地点推荐方法

摘要

本发明公开了一种基于位置和社交关系的群组与地点推荐方法。通过对LBSN中的用户签到信息的采集，剔除有效性差的地点与用户数据，最终获得用户的签到数据。然后利用皮尔森相关系数，以用户间共有的签到数据衡量签到相似性，计算出用户间签到相似度，构建用户签到相似度网络。再根据签到相似性网络，利用离散粒子群优化方法,识别出不同的社区。然后根据用户社交网络的帐号，获取好友列表，形成社区内用户的社交邻接关系，最终生成社交群组，推荐给目标用户并利用协同过滤的推荐方法对目标用户进行地点推荐。本发明的社区发现方法简单易操作，且划分社区的速度快。通过社交群组和地点推荐相结合的方法，降低了方法的复杂度，提高了推荐精度。

主权项

一种基于位置和社交关系的群组与地点推荐方法，其特征在于包括如下步骤：步骤1：生成社交群组阶段；步骤1‑1：从LBSN中得到包含用户及其签到地点的签到数据，从中剔除签到次数少于a次的用户，以及被签到次数少于b次的地点，最终得到的签到数据含有s个用户，t个地点，用户集合U＝(u₁,u₂,…u_s)，地点集合L＝(l₁,l₂,…l_t)，共计w条签到信息，每条签到信息包含用户、地点，表示为(u_i,lp),其中u_i表示用户i，l_p表示地点p；步骤1‑2：根据用户签到数据，以用户之间签到数据的交集，即对相同地点签到的数据，通过皮尔森相关系数计算，得到的数值作为用户之间的签到相似度权值，计算出s个用户两两之间的签到相似度，构建用户签到相似性网络G_c＝＜U,E＞，A＝(a_ij)_s×s是G_c的矩阵；步骤1‑3：根据用户签到相似度，利用离散粒子群优化方法，识别出不同的社区，社区集合为C＝(c₁,c₂,…)，其中c_i代表第i个社区；步骤1‑4：用户在LBSN中连接其在某种社交网络的帐号，获取该社交网络中用户的好友列表，针对任一社区中的用户对，用其在该社交网络中共同好友数目标识作为权值，表示为用户间的社交亲密度，形成社区内用户的社交邻接关系；步骤1‑5：根据社交亲密度，在目标用户u_t所在的社区中，选择与目标用户u_t的社交亲密度值最大的k‑1个用户，生成包含目标用户的人数为k的社交群组，推荐给目标用户u_t；步骤2：组内地点推荐阶段；步骤2‑1：在群组内，根据用户签到相似度，利用协同过滤方法，对目标用户未签到地点进行评分预测；步骤2‑2：利用Top‑N方法，选出N个评分最高的地点推荐给目标用户。