[发明专利]一种基于本地轨迹的兴趣点推荐方法

权利要求书

1.一种基于本地轨迹的兴趣点推荐方法，其特征在于，包括如下步骤:

步骤一、找出用户的中心位置；

步骤二、根据中心位置确定用户的本地活动区域；

步骤三、统计用户在本地活动区域内的移动轨迹；

步骤四、计算用户在不同距离的移动概率；

步骤五、对用户的本地活动区域内未访问的位置计算签到概率；

将候选位置根据签到概率排序，并返回概率最大的c个候选位置给用户作为推荐结果，c为设定的阈值。

2.如权利要求1所述的基于本地轨迹的兴趣点推荐方法，其特征在于，所述中心位置的确定方法如下:选择用户的移动轨迹的某点为圆心,以R为半径确定圆形区域，用户访问圆形区域内所有位置的频率之和F最大的位置即为中心位置。

3.如权利要求2所述的基于本地轨迹的兴趣点推荐方法，其特征在于，所述中心位置的计算方法如下：

F(lm)=Σd(lm,ln)≤Rf(ln)]]>

其中，F(l_m)表示以位置l_m为中心位置的用户访问频率之和，f(l_n)表示用户在位置l_n的访问频率，d(l_m,l_n)表示位置l_m和l_n的距离，R表示以l_m为圆心的圆形区域的半径；F(l_m)值最大的位置即为中心位置。

4.如权利要求2所述的基于本地轨迹的兴趣点推荐方法，其特征在于，所述本地活动区域即以中心位置为圆心的圆形区域，圆形区域的半径大于R，R为25km。

5.如权利要求3所述的基于本地轨迹的兴趣点推荐方法，其特征在于，所述本地活动区域的半径为100km。

6.如权利要求1所述的基于本地轨迹的兴趣点推荐方法，其特征在于，所述步骤四中，采用幂律分布建模用户的移动概率，即用户从当前位置l_i移动到下一个位置l_j的概率p_i,j与他们之间的轨迹距离x_i,j成幂律分布：

p_i,j＝a·x_i,j^b

用极大似然值法估计计算幂律分布的参数a，b。

7.如权利要求1所述的基于本地轨迹的兴趣点推荐方法，其特征在于，对于位于用户u的本地活动区域内的每一个新位置设定为候选位置l_k，计算用户u对候选位置l_k的签到概率：分别计算用户u从本地位置集合S中的每一个位置l_i1≤i≤n到新位置l_k的移动概率p_i,k；最终用户u访问候选位置l_k的概率就利用以下公式计算：

pku=1nΣli∈Spi,k]]>

其中，n表示本地位置集合S中元素的个数；在进行POI推荐的时候，将该用户未访问过的所有位置根据签到概率排序，并返回概率最大的c个候选位置给用户。