[发明专利]一种将社交网络和图像内容融合的兴趣点推荐方法

权利要求书

1.一种将社交网络和图像内容融合的兴趣点推荐方法，其特征在于，包括以下步骤：

步骤1，构造用户-兴趣点评分矩阵R_ij，通过融合距离和标签因素，构造出新的用户-兴趣点评分矩阵；

步骤2，实现VGG16卷积神经网络，修改最后的soft层，将图片处理为1000维度的向量，并根据兴趣点构造图像内容矩阵；

步骤3，根据数据集中的社交信任关系，构建用户社交矩阵；

步骤4，在用户-兴趣点评分矩阵、图像内容矩阵、用户社交矩阵中，假设真实观测值与实际值之间的差值符合高斯分布，从而根据后验概率分布推导出SVPOI模型，并推导出最终的损失函数：

其中，

R_ij表示用户i对于兴趣点j的评分信息，

C_ik表示用户i对于好友k的社交关系信息，

G_jl表示兴趣点j对于图像l的图像内容信息，

U_i表示用户i的隐含特征信息，

V_j表示兴趣点j的隐含特征信息，

Z_k表示用户i的好友k的隐含社交关系信息，

P_l表示兴趣点j的图像l的隐含图像内容信息，

分别表示对应特征矩阵的二范式，

α_u、α_v、α_r分别表示系数；

步骤5，根据步骤4中的函数λ_svpoi，对用户特征矩阵U_i求偏导，对物品特征矩阵V_j求偏导，对社交特征矩阵Z_k求偏导，对图像特征矩阵P_l求偏导，

步骤6，利用梯度下降法求以上特征矩阵，求得特征矩阵U_i和V_j；

步骤7，根据步骤6求得的特征矩阵，预测用户对兴趣点的评分，并根据评分高低形成推荐列表。

2.根据权利要求1所述的将社交网络和图像内容融合的兴趣点推荐方法，其特征在于，在步骤1中，通过对兴趣点评分信息的统计观察，发现用户中心地区的点集最为密集；说明兴趣点的评分受到距离因素的影响；同时，发现不同的兴趣点有不同的标签；属于不同的领域；说明兴趣点同时受到标签因素的影响；特别的，对距离因素和标签因素做了一些处理，在SVPOI模型中，将用户评分分数记为而真正的用户-兴趣点评分信息为其中，定义距离因素为Γ₁＝a*d^b，标签因素为

细节方面：

(1)对每个用户计算其签到兴趣点所有经纬度的均值，作为该用户兴趣点的中心点，并逐次计算每个签到点到该点的距离d；a和b是系数，且(b0)；

(2)计算标签时，由于每个兴趣点对应多个标签，所以，将标签数据集进行了“展平”处理，计算该用户在某一兴趣点标签在其所有兴趣点标签的比例。

3.根据权利要求1所述的将社交网络和图像内容融合的兴趣点推荐方法，其特征在于，在步骤2中，通过构造VGG16卷积神经网络，修改最后的soft层，实现图像的高维度特征抽取，最后构成一个1000维度的向量；网络利用了ImageNet实现了图像权重的初始化训练；部分细节处理：

(1)图片库中去除了包含人脸噪声的图片；

(2)由于每个兴趣点对应多个图片，对每个兴趣点对应的图像向量进行了取均值的操作；

(3)最后，形成了一个图像信息矩阵。

4.根据权利要求1所述的将社交网络和图像内容融合的兴趣点推荐方法，其特征在于，在步骤3中，根据SoRec推荐算法中用户社交矩阵的构建方式，实现其用户社交矩阵的构建。

5.根据权利要求1所述的将社交网络和图像内容融合的兴趣点推荐方法，其特征在于，在步骤6中，根据推荐模型的评价指标RMSE、MAE，进行模型的实验对比和参数调优；其中，

两个指标的值越低，说明模型的推荐效果越好；从而选取最好的模型参数，进行特征矩阵U_i和V_j的求解。