[发明专利]一种基于地理格网的兴趣活动推荐方法

权利要求书

1.一种基于地理格网的兴趣活动推荐方法，包括如下步骤：

基于地理格网构建用户空间活动偏好模型步骤S110：

将城市区域划分为若干个地理格网，映射用户签到信息，计算用户在每个格网的签到频率和类别偏好偏差比，获取用户的兴趣网格集合，推断用户在位置的空间活动偏好，计算用户的空间活动偏好分布，并利用所述空间活动偏好分布，计算空间活动偏好模型在格网上的推荐成功率，构建空间成功率矩阵；

利用非负张量分解方法构建用户时间活动偏好模型步骤S120：

根据用户签到记录构建用户-时间-类别的三维张量，张量中的元素表示用户在时间段选择活动签到的频率，根据所述三维张量，基于非负张量分解算法，获得恢复张量描述用户的时间活动偏好；根据张量分解结果，推断计算用户在当前时间下的活动偏好分布；基于时间活动偏好分布，计算时间活动偏好模型在格网上的推荐成功率，构建时间成功率矩阵；

时间偏好和空间偏好融合步骤S130：

推荐列表生成子步骤S131：根据成功率矩阵推断用户活动偏好，对比空间成功率矩阵和时间成功率矩阵中的元素值，选择值较高的模型结果作为最终的推荐结果。

2.根据权利要求1所述的兴趣活动推荐方法，其特征在于：

所述基于地理格网构建用户空间活动偏好模型步骤S110包括如下子步骤：

用户签到信息映射子步骤S111：将城市区域划分为若干个大小相同的规则格网，将用户的签到信息映射到这些格网中，获得所在格网编号属性；

用户兴趣格网获取子步骤S112:

计算用户在每个格网的签到频率和类别偏好偏差比，使用所述签到频率和所述类别偏好偏差比来表征用户在格网的偏好度，通过设置频率阈值和偏好偏差比阈值筛选获得用户的兴趣格网集合，

其中，所述签到频率表示为用户在中的签到数量占总签到数量的比例，

式中，表示用户在的签到数量，表示用户访问过的格网集合；

所述偏好偏差比用于衡量用户在格网中的类别偏好度，假设格网中共有个类别的POI（Pointof Interest），用户访问了其中个类别的POI，计算公式如下：

式中，表示格网中存在的POI总类别数，表示用户在的签到次数占中总签到次数的比值，表示用户在签到类别的最大熵，最大熵假定用户在所有类别签到的可能性是相同的，表示用户在格网签到过的类别；

在计算每个格网的签到频率和偏好偏差比后，通过引入频率阈值和偏好偏差比阈值获得用户感兴趣的格网集合，格网集合形成的区域为用户感兴趣区域；

空间活动偏好计算子步骤S113：

在已知用户当前位置的情况下，利用空间邻近性评估格网对的影响，采用以下权重函数：

式中，表示用户当前位置和格网的中心点的距离，

然后利用加权方法计算用户在对所有类别的活动偏好，设用户有个兴趣格网，则用户在位置处的空间活动偏好为：

式中，表示用户在内对的签到频率，表示所有的活动类别，用户在处对的空间活动偏好为用户在的签到偏好在处的地理影响力的和；

空间成功率矩阵构建子步骤S114：

基于空间活动偏好分布，计算空间活动偏好模型在格网上的推荐成功率，进而为每一个用户构建空间成功率矩阵，矩阵的每一行代表一个时间范围，每一列代表格网，利用签到记录，基于子步骤S113中的空间活动偏好的计算方法，计算空间活动偏好模型在格网上的推荐成功率。

3.根据权利要求2所述的兴趣活动推荐方法，其特征在于：

空间成功率矩阵构建子步骤S114具体为：

为每一个用户构建空间成功率矩阵，初始化矩阵，将矩阵元素赋值为0，对于任意用户，依次从验证数据集中取出的签到记录，用表示，其中，表示经纬度；表示时间戳，表示活动类别，表示用户当前所在格网，基于子步骤S113中的空间活动偏好的计算方法，计算在当前位置对所有类别的空间偏好得分，依据得分从大到小对类别排序，得到得分最高的类别，当位于兴趣格网集合中时，如果等于，将中对相应元素增加1，表示的第行，表示第列，以此类推，计算所有用户的空间成功率矩阵。