[发明专利]一种结合出行兴趣与社交偏好的POI推荐方法

说明书

一种结合出行兴趣与社交偏好的POI推荐方法，根据LBSN中用户历史POI数据分布学习用户出行行为，根据当前位置预测用户未来出行访问的POI；通过提取主题向量构建社交关联的兴趣相似；再构造异构出行信息网络，建立出行行为的兴趣相似；综合社交兴趣相似分析和出行行为相似分析，确定相似群体；结合预测的用户未来出行访问的POI以及用户的相似群体产生候选POI集合，通过计算兴趣度发现TOP‑N个用户最可能去的POI。在兼顾位置预测的同时利用社交兴趣和出行偏好发现用户的相似群体，利用相似群体而不是朋友用户可以全面提供更合适的兴趣点推荐给用户，并且缓解LBSN中数据稀疏的问题，从而可以更好地提高推荐效果。

技术领域

本发明属于行为识别领域，具体涉及一种结合出行兴趣与社交偏好的POI推荐方法。

背景技术

随着移动社交网络的不断发展，利用用户发布的位置信息为其提供基于地域的个性化推荐服务不仅给用户提供了便利，也为商户带来了巨大的潜在利益。位置预测技术作为此类服务中的关键技术，是基于位置的社交网络中的重要研究内容之一。在基于位置预测的社交网络当中，用户们经常互相分享自己的一些相关地理位置信息，如评价，图片，文字。个性化POI推荐是LBSN(基于位置的社交网络中)的重要任务，如为用户推荐电影院、餐饮、旅游景点等，兴趣点一般推荐的是用户从未去过但有可能感兴趣的点，这促使用户更好地了解了其所处的这个城市，为用户提供更好的体验。

在原先的推荐技术当中，很多技术只考虑了给用户推荐最感兴趣的位置，并没有考虑用户的上一个目的地和下一个目的地的联系和社交兴趣。但其实用户在出行的时候是有一定的规律性，他们的POI签到更是具有一定的兴趣偏好。比如有些用户先去吃饭，再去电影院，最后再去购物。

发明内容

针对以上问题，本发明的目的是提出一种结合出行兴趣与社交偏好的POI推荐方法，该方法不仅考虑到上一个目的地与下一个目的地之间的联系，还结合用户的社交兴趣，来进行推荐。

为实现上述目的，本发明采用如下的技术方案：

一种结合出行兴趣与社交偏好的POI推荐方法，包括以下步骤：

步骤一：首先根据LBSN中用户历史POI数据分布学习用户出行行为，利用变阶马尔科夫算法根据当前位置预测用户未来出行访问的POI；

步骤二：利用用户提供的文本信息提取主题向量构建社交关联的兴趣相似；

步骤三：再利用出行序列构造异构出行信息网络，通过随机游走的SimRank方法建立出行行为的兴趣相似；

步骤四：综合社交兴趣相似分析和出行行为相似分析，进而确定相似群体；

步骤五：结合步骤一预测的用户未来出行访问的POI以及用户的相似群体产生候选POI集合，通过计算兴趣度发现TOP-N个用户最可能去的POI。

本发明进一步的改进在于，步骤一的具体过程如下：

(1)首先利用用户一天的出行兴趣点来建立一条兴趣点序列，POI序列的定义为：Seq_Loc＝loc₀→…→loc_i→…→loc_h，

其中loc_i代表某一个位置点，loc_i＝(lat,lon,check_in_time,POI_i,POI_category_j)；其中lat,lon表示位置的经度，纬度；check_in_time表示签到的时间；POI_i,POI_category_j是位置标识与POI类别；Seq＝{(id,Seq_Loc)|id＝1,2,…,m}，id唯一标识了用户u每一条轨迹，Seq为某个用户的所有出行序列集合；