[发明专利]一种基于地理格网的兴趣活动推荐方法

说明书

一种基于地理格网的兴趣活动推荐方法，该方法包括将研究区域划分为规则格网，通过签到频率和偏好偏差比参数为每个用户建立个人兴趣格网区域，以此来推断用户的空间活动偏好；采用非负的张量分解方法捕获其他相似的用户活动偏好，协同建立用户的时间活动偏好；采用上下文感知的融合方法将空间活动偏好和时间活动偏好进行融合，共同确定向用户推荐的兴趣活动。该模型基于地理格网和张量分解方法改善了用户签到数据的稀疏性，对用户兴趣活动进行了定量分析，提高了兴趣活动推荐的精准度，使得推荐结果满足用户的个性化需求。

技术领域

本申请属于位置推荐技术领域，具体涉及一种基于地理格网的兴趣活动推荐方法。

背景技术

随着基于位置的社交网络（Location-based Social Network, LBSN）、移动端设备的快速发展，从积累的海量用户数据和签到数据中挖掘潜在的用户个人偏好、活动轨迹和生活模式成为位置服务的一个核心环节。位置推荐成为该环节的一个重要的技术手段。目前，由于数据稀疏性和冷启动等问题的影响，针对兴趣点的推荐算法得到的推荐结果可能准确度较低。同时，在很多情况下，人们通常不需要非常精确的位置。由此，兴趣活动推荐算法和应用的研究应运而生，目的是更好地理解用户的移动行为，预测用户可能参与的活动，进而满足用户个性化和智能化的服务需求。

用户的签到行为呈现出特定的时空分布模式，基于用户在位置社交网络的历史签到数据对用户的时空行为建模是具有挑战性的，主要表现在以下几个方面。首先，签到数据通常是高维且稀疏的，表现为用户-时间-位置-活动四个维度的四元组，直接从稀疏的高维数据中发现其规律性是复杂且困难的；其次，用户在社交媒体的签到行为受用户自身的影响，这与连续采样的用户活动数据不同，其签到行为不是等间隔的连续采样，在空间和时间上是复杂多变的；用户的签到活动和其所处的上下文情景相关，即用户的签到行为通常受其所在地点和时间的影响。因此，如何结合用户的时间和空间上下文挖掘用户活动偏好成为现有技术亟需解决的技术问题。

发明内容

本发明的目的在于提出一种基于地理格网的兴趣活动推荐方法，发现用户兴趣活动，提高推荐性能。利用地理格网和张量分解等技术，分别对用户的空间活动偏好和时间活动偏好建模，从而降低问题的复杂度。

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一个用户-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。

可选的，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: