基于位置信息的推荐系统及推荐方法.pdf

(19)中华人民共和国国家知识产权局

(12)发明专利说明书

(10)申请公布号CN103023977A
(43)申请公布日2013.04.03

(21)申请号CN201210469843.7

(22)申请日2012.11.19

(71)申请人华南理工大学
地址510640广东省广州市天河区五山路381号

(72)发明人陈健胡立黄晋

(74)专利代理机构广州市华学知识产权代理有限公司

代理人蔡茂略

(51)Int.CI
H04L29/08
H04L29/06

权利要求说明书说明书幅图

(54)发明名称
基于位置信息的推荐系统及推荐方
法

(57)摘要
本发明公开了一种基于位置信息的
推荐系统及推荐方法，系统包括顺序连接
的信息采集模块、信息处理模块、矩阵分
解模块和推荐产生器；本发明使用了基于

SOA的兴趣点信息及其用户评分采集方
法，能有效的采集多方面的兴趣点信息，
使用户从一个服务上就能获取实时的多方
面的信息，而且能提高推荐的准确度。同
时用户和兴趣点的特征向量计算与为用户
产生推荐的过程是彼此独立的，在已经计
算好用户与兴趣点的特征向量的情况下，
可以快速地为多位用户产生推荐列表。另
外本发明使用了已有的用户信息和矩阵分
解降维的方法，对比于基于内存的协同过
滤推荐算法，该方法大大减少了空间的开
销。

法律状态

法律状态公告日法律状态信息法律状态

权利要求说明书

1.一种基于位置信息的推荐系统，其特征在于，包括顺序连接的信息采集模块、信
息处理模块、矩阵分解模块和推荐产生器；

所述信息采集模块，使用基于SOA的系统架构，用于从多个服务采集兴趣点的信
息，以及用户在各服务中对这些兴趣点的评分；

所述信息处理模块，用于将通过信息采集模块从多个服务得到的兴趣点信息去除冗
余并统一起来，与用户评分信息一并保存在物理存储中，并在使用时将其以矩阵的
形式读出，矩阵列为所有兴趣点的名称，矩阵行为每个用户对相应兴趣点的评
分；

所述矩阵分解模块，从信息处理模块以矩阵形式读出用户评分信息，以此作为原矩
阵，使用随机梯度下降法对矩阵做矩阵分解，得出每个用户以及每个兴趣点的特征
向量；

所述推荐产生器，利用矩阵分解模块提供的每个用户以及每个兴趣点的特征向量，
对用户未评分的兴趣点进行预测评分，并根据评分的结果和用户的范围要求对用户
进行推荐。

2.根据权利要求1所述的基于位置信息的推荐系统，其特征在于，所述信息采集模
块包括相互连接的兴趣点信息采集模块和用户信息采集模块，所述兴趣点信息采集
模块、用户信息采集模块分别与信息处理模块连接；

所述兴趣点信息采集模块，从多个服务采集兴趣点的信息，包括名称、地址、经纬
度、类型、人均消费等，为兴趣点信息整合以及用户信息存储提供来源；

所述用户信息采集模块，采集用户在多个服务上的对不同兴趣点的评分，为用户信
息存储提供来源。

3.根据权利要求1所述的基于位置信息的推荐系统，其特征在于，所述信息处理模
块包括相互连接的兴趣点信息整合模块和用户信息存储模块，所述用户信息存储模
块与矩阵分解模块连接；

兴趣点信息整合模块，根据兴趣点信息采集模块提供的来自多个服务的兴趣点信息，
建立兴趣点信息集合，去除冗余，整合成统一的格式；

用户信息存储模块，根据兴趣点信息整合模块得到的统一格式的兴趣点信息和用户
信息采集模块提供的用户评分，以矩阵的形式存储在物理存储中，矩阵列为所有
兴趣点的名称，矩阵行为每个用户对相应兴趣点的评分，以供后续步骤使用。

4.根据权利要求1所述的基于位置信息的推荐系统，其特征在于，所述矩阵分解模
块包括预测训练模块、损失计算模块和更新模块，所述预测训练模块与更新模块连
接，更新模块与损失计算模块连接，损失计算模块与推荐产生器连接；

预测训练模块，在用户评分矩阵中抽取有评分记录的用户-兴趣点对，根据其特征
向量计算用户对兴趣点的预测评分值；

损失计算模块，根据所有已知的用户评分计算预测评分与真实评分之间的损失；

更新模块，用于对用户以及兴趣点的特征向量和评分基准偏移量做更新。

5.根据权利要求1所述的基于位置信息的推荐系统，其特征在于，所述推荐产生器
包括相互连接的兴趣点预测评分计算模块和推荐列表产生模块；

兴趣点预测评分计算模块，根据矩阵分解模块中得到的每个用户以及每个兴趣点的
特征向量，预测用户对目标兴趣点的评分；

推荐列表产生模块，根据兴趣点预测评分计算模块得出的对于目标兴趣点的预测分
数，结合用户的目标位置范围，对所有兴趣点进行比较，取预测评分最高的部分兴
趣点作为对用户的推荐列表。

6.根据权利要求1所述的基于位置信息的推荐系统，其特征在于，所述矩阵分解模
块的输入为信息存储处理模