[发明专利]一种基于嵌入模型的兴趣点推荐方法及装置

说明书

技术领域

本发明涉及兴趣点推荐方法，更具体地说，涉及一种基于嵌入模型的兴 趣点推荐方法及装置。

背景技术

随着基于位置的服务应用的日益普及，基于位置的社交网络如 Foursquare，FacebookPlaces，Gowalla和Yelp等吸引了大量用户在兴趣点签 到，并分享他们与朋友一起访问这些兴趣点的经验。兴趣点推荐对于帮助用 户探索周边生活环境，提高生活质量具有重要意义，并且吸引了大量研究兴 趣的开发推荐技术。最近，通过开发和整合地理影响力，社交影响力，上下 文因素，时间周期因素，及其它们的联合效应提出了很多推荐模式。

一些研究人员提出了一般兴趣点推荐的自然延伸，即下一个兴趣点推荐。 与传统的兴趣点推荐相比，下一个兴趣点推荐具有更多的挑战。除了用户的 个人兴趣之外，下一个兴趣点推荐还考虑了用户签到的顺序信息。一方面， 有些研究人员提出了基于马尔科夫链的推荐模型，以捕获下一个兴趣点推荐 的兴趣点序列模式。另一方面，一些研究人员通过结合时间循环效应，社交 关系影响力等提出了下一个兴趣点推荐的混合模型。然而，由于数据的稀疏 性，马尔可夫基于链的模型和其他模型难以准确有效地估计访问用户下一个 兴趣点的概率。最近，许多推荐者模型利用社交关系影响来提高推荐的准确 度。但是，社交联系也很稀少，而且嘈杂。所以传统推荐方法的推荐精度将 受到伤害。

因此，如何提高下一兴趣点的推荐精度，是本领域技术人员需要解决的 问题。

发明内容

本发明的目的在于提供一种基于嵌入模型的兴趣点推荐方法及装置，以 提高下一兴趣点的推荐精度，提高用户体验。

为实现上述目的，本发明实施例提供了如下技术方案：

一种基于嵌入模型的兴趣点推荐方法，包括：

获取用户的当前兴趣点信息及社交关系信息；

利用所述用户的当前兴趣点信息、社交关系信息及兴趣点推荐模型，确 定与所述用户对应的相似用户；所述兴趣点推荐模型为通过嵌入社交关系信 息及用户偏好信息生成的嵌入模型；

根据所述相似用户在所述兴趣点推荐模型中的用户偏好信息，生成与所 述用户对应的下一兴趣点推荐列表。

其中，根据所述相似用户在所述兴趣点推荐模型中的用户偏好信息，生 成与所述用户对应的下一兴趣点推荐列表，包括：

根据所述相似用户在所述兴趣点推荐模型中的用户偏好信息，计算每个 相似用户的用户偏好信息中的推荐兴趣点与所述用户的当前兴趣点的度量 值；

利用每个相似用户的推荐兴趣点的度量值，选取满足预定选取规则的相 似用户的推荐兴趣点，并生成与所述用户对应的下一兴趣点推荐列表。

其中，利用每个相似用户的推荐兴趣点的度量值，选取满足预定选取规 则的相似用户的推荐兴趣点，并生成与所述用户对应的下一兴趣点推荐列 表，包括：

根据每个相似用户的推荐兴趣点的度量值，将每个相似用户的推荐兴趣 点从大至小进行排序，选取前N个推荐兴趣点，并根据所述前N个推荐兴趣 点对应的相似用户信息，生成与所述用户对应的下一兴趣点推荐列表。

其中，利用每个相似用户的推荐兴趣点的度量值，选取满足预定选取规 则的相似用户的推荐兴趣点，并生成与所述用户对应的下一兴趣点推荐列 表，包括：

从每个相似用户的推荐兴趣点中，选取度量值大于预定度量阈值的推荐 兴趣点，并根据与所述度量值大于预定度量阈值的推荐兴趣点所对应的相似 用户，生成与所述用户对应的下一兴趣点推荐列表。

其中，根据所述相似用户在所述兴趣点推荐模型中的用户偏好信息，计 算每个相似用户的用户偏好信息中的推荐兴趣点与所述用户的当前兴趣点的 度量值，包括：

确定所述相似用户的社交关系度量值O_S；

确定推荐兴趣点与所述用户的当前兴趣点的用户偏好度量值O_P；

利用度量值确定规则，计算每个相似用户的推荐兴趣点与所述用户的当 前兴趣点的度量值O；

所述度量值确定规则为：O＝μO_S·O_P+(1-μ)O_P；μ为社交关系信息及 用户偏好信息的嵌入比例系数。

其中，确定所述相似用户的社交关系度量值O_S，包括：

利用社交关系度量值确定规则，以及相似用户与所述用户的一阶相似度 O₁和二阶相似度O₂，计算社交关系度量值O_S；