基于用户签到数据的兴趣点推荐方法、装置、系统和介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115033810A(43)申请公布日2022.09.09(21)申请号202210697215.8(22)申请日2022.06.20(71)申请人武汉理工大学地址430070湖北省武汉市洪山区珞狮路122号(72)发明人吴紫阳贾博文(74)专利代理机构武汉智嘉联合知识产权代理事务所(普通合伙)42231专利代理师姜婷(51)Int.Cl.G06F16/9537(2019.01)G06F16/9536(2019.01)G06N3/04(2006.01)G06K9/62(2022.01)权利要求书2页说明书10页附图2页(54)发明名称基于用户签到数据的兴趣点推荐方法、装置、系统和介质(57)摘要本申请提供了一种基于用户签到数据的兴趣点推荐方法，包括：获取用户签到集合，并根据用户签到集合构建用户‑兴趣点图和时间‑兴趣点图；从用户‑兴趣点图提取出用户和兴趣点的特征向量，从时间‑兴趣点图提取出时间和兴趣点的特征向量；计算得到兴趣点的地理因素系数；计算得到目标用户对每一个兴趣点的偏好分值；根据目标用户对每一个兴趣点的偏好分值生成对目标的推荐序列。本发明综合考虑时间因素和地理因素的影响，并将其引入到统一模型中联合建模用户的偏好，提升模型的推荐性能，能够在复杂的上下文环境中精确捕捉用户的偏好，具有很好的实用价值。CN115033810ACN115033810A权利要求书1/2页1.一种基于用户签到数据的兴趣点推荐方法，其特征在于，包括以下步骤：获取用户签到集合，并根据所述用户签到集合构建用户‑兴趣点图和时间‑兴趣点图；从所述用户‑兴趣点图提取出用户和兴趣点的特征向量，所述用户和兴趣点的特征向量用于描述用户与兴趣点之间的关联关系，从所述时间‑兴趣点图提取出时间和兴趣点的特征向量，所述时间和兴趣点的特征向量用于描述时间与兴趣点之间的关联关系；计算得到兴趣点的地理因素系数；根据所述用户和兴趣点的特征向量、所述时间和兴趣点的特征向量和所述兴趣点的地理因素系数计算得到目标用户对每一个兴趣点的偏好分值；根据所述目标用户对每一个兴趣点的偏好分值生成对所述目标的推荐序列。2.根据权利要求1所述的一种基于用户签到数据的兴趣点推荐方法，其特征在于，所述根据所述目标用户对每一个兴趣点的偏好分值生成对所述目标用户的推荐序列，包括步骤：按照所述偏好分值降序排序兴趣点，取前k个兴趣点组成对所述目标用户的推荐序列。3.根据权利要求1所述的一种基于用户签到数据的兴趣点推荐方法，其特征在于，在所述根据所述用户和兴趣点的特征向量、所述时间和兴趣点的特征向量和所述兴趣点的地理因素系数计算得到目标用户对每一个兴趣点的偏好分值之后，包括步骤：使用随机梯度下降算法优化模型参数。4.根据权利要求1所述的一种基于用户签到数据的兴趣点推荐方法，其特征在于，所述计算得到兴趣点的地理因素系数，包括步骤：获取地理距离函数和地理距离阈值；根据所述地理距离函数和所述地理距离阈值计算得到地理距离系数；根据所述地理距离系数计算得到兴趣点的所述地理因素系数。5.根据权利要求4所述的一种基于用户签到数据的兴趣点推荐方法，其特征在于，根据所述地理距离函数和所述地理距离阈值计算得到地理距离系数表示为：dis(l,lp)表示兴趣点p与当前位置l的地理距离系数，geo(l,lp)表示通过经纬度计算两点之间地理距离函数，do表示地理距离阈值，max(.)表示取最大值；根据所述地理距离系数计算得到兴趣点的所述地理因素系数表示为：6.根据权利要求1所述的一种基于用户签到数据的兴趣点推荐方法，其特征在于，根据所述用户和兴趣点的特征向量、所述时间和兴趣点的特征向量和所述兴趣点的地理因素系数计算得到目标用户对每一个兴趣点的偏好分值，表示如下：其中，时间为tx，位置为lo，用户为ui，兴趣点为pj。7.根据权利要求3所述的一种基于用户签到数据的兴趣点推荐方法，其特征在于，使用随机梯度下降算法优化模型参数，包括步骤：2CN115033810A权利要求书2/2页使用基于BPR的损失函数优化模型参数：其中，Du表示用户u的签到集合，τ(.)表示sigmoid函数，λ表示正则化系数，Θ表示模型参数，为兴趣点为pj的偏好分值，为兴趣点pi的偏好分值。8.一种基于用户签到数据的兴趣点推荐装置，其特征在于，包括：兴趣点图构建模块，用于获取用户签到集合，并根据所述用户签到集合构建用户‑兴趣点图和时间‑兴趣点图；图结构特征提取模块，用于从所述用户‑兴趣点图提取出用户和兴趣点的特征向量，所述用户和兴趣点的特征向量用于描述用户与兴趣点之间的关联关系，从所述时间‑兴趣点图提取出时间和兴趣点的特征向量，所述时间和兴趣点的特征向量用于描述时间与兴趣点之间的关联关系；地理因素评估模块，用于计算