[发明专利]一种个性化物联网实体推荐方法

说明书

本发明涉及一种个性化物联网实体推荐方法，属于物联网技术领域。该方法包括：S1：采集用户历史数据，包括IoT实体评分、社交域和地理位置信息；S2：数据抽象化：服务器端处理采集的用户历史数据，获取项目域自适应部分的输入、社交域自适应部分的输入和特征嵌入部分的输入；S3：提取偏好特征：服务器端采用APTE推荐模型，获取用户项目域和社交域的偏好特征；S4：获取轻量级特征：采用轻量级卷积网络即使用两层网络代替复杂的卷积神经网络，获取实体项目和社交关系的最终特征表示；S5：采用基于频率的加权策略优化APTE推荐模型参数；S6：用户推荐。本发明减少了模型参数，优化了模型收敛速度。

技术领域

本发明属于物联网技术领域，涉及一种个性化物联网实体推荐方法。

背景技术

随着物联网(IoT)的发展和普及，越来越多的具有感知功能的海量传感器、RFID等感知设备连接到互联网。其中低成本传感器、通信协议、嵌入式系统、执行器和小型化硬件的快速发展，促使了物联网的极速增长，能够在没有人为干预的情况下收集、处理和传递数据，并且还提供新型服务和应用的开发，如室内公共安全监控，远程医疗和环境污染管理等。

近年来，随着智能感知设备的大规模部署应用，信息世界涌入了海量物理实体数据，由此造成数据搜索空间急速膨胀，从如此庞大的数据中获取用户兴趣信息变得异常困难。而推荐系统可以主动为用户推荐相应实体或服务，如推荐安静的咖啡馆、温度合适的图书馆，这可以增加服务的体验，帮助用户随时随地获取物理实体信息，有效缓解物联网中信息过载的问题。但传统物联网推荐方法，如协同过滤、矩阵分解，主要利用显式数据如用户的评价历史记录，评级、点击等信息。虽然它们显示出良好的结果，但当用户评价等反馈信息稀疏时，很难获取准确的用户反馈信息的嵌入表示，导致推荐性能非常有限。

目前基于地理位置的社交网络(location-based social networks,LBSN)推荐的研究非常热门。用户可以在Yelp、Foursquare和Facebook等网站上方便地分享自己的信息，并与他人建立联系。LBSN上的信息可以在网上快速传播现实生活中的日常体验。同时，从LBSN的签到数据中提取的轨迹数据可以帮助理解用户的移动模式，这可以用于提供更好的基于位置的服务。LBSN数据挖掘最有前途的应用之一是用户感兴趣实体推荐。LBSN提供商收集的大量用户签到数据可以帮助用户通过感兴趣实体的推荐探索新的地点。感兴趣实体的推荐在物联网推荐中非常重要，因为它对用户、企业具有很高的价值。兴趣实体的推荐的目的是帮助用户找到感兴趣的地点。与传统的推荐任务不同，物联网中很难获得用户对实体的完整评级，因此不能基于协同过滤框架设计实体推荐系统。用户的签到行为也可以看作是其对实体的偏好。因此，可以将实体位置假设为项目，从而使实体推荐可以采用传统的推荐方法。

因此，亟需一种优化的物联网实体推荐的方法，增加用户实体感知的实时性，提升个性化推荐水平。

发明内容

有鉴于此，本发明的目的在于提供一种个性化物联网实体推荐方法，针对物联网实体个性化推荐场景中数据不足的问题，通过增加用户的感知实时性，从而提升个性化推荐水平。

为达到上述目的，本发明提供如下技术方案：

一种个性化物联网实体推荐方法，具体包括以下步骤：

S1：采集用户历史数据，包括IoT实体评分、社交域和地理位置信息；

S2：数据抽象化：服务器端处理采集的用户历史数据，获取项目域自适应部分的输入、社交域自适应部分的输入和特征嵌入部分的输入；

S3：提取偏好特征：服务器端采用自适应偏好迁移(Adaptive PreferenceTransfer IoT Entity,APTE)推荐模型，获取用户项目域和社交域的偏好特征；