与地理特征相关的个性化位置推荐系统的利记博彩app
【技术领域】
[0001] 本发明属于数据处理技术领域，特别设及一种与地理特征相关的个性化推荐技 术，可用于基于位置社交网络中的地点推送服务。
【背景技术】
[0002] 伴随着数据库技术的迅速发展和数据库管理系统的广泛应用，数据积累的越来越 多。面对激增的数据，人们希望能够挖掘出隐藏在背后的许多重要的信息，从而可W更好地 利用运些数据为人们服务。服务提供商拥有海量的与用户有关的个人信息和历史记录，利 用运些数据向用户主动推荐相关服务既可W方便用户，又有益于服务提供商。
[0003] 传统的推荐系统算法主要使用的是基于协同过滤的推荐算法，基于内容的推荐算 法。无线网络和位置感知技术的出现和进步，推动着移动互联网，尤其是基于位置的社交网 络的蓬勃发展，用户的地理位置数据通过客户端GI^开始被大量获取。地理上下文开始成为 位置推荐的重要特征属性，使得一些基于用户地理位置的商品推荐任务成为可能。
[0004] 在收集到用户的地理位置数据后，需要先对用户在地理位置上进行划分，划分方 法是基于用户签到位置所在地的经度和缔度为基础的划分方法。然后，通过扫描该地区所 有用户的位置历史记录W及待推荐用户的所有历史记录，通过预设模型计算用户和地区对 位置的预测分数，进而获得候选位置，进行基于模型的协同过滤的推荐计算。
[0005] 当前已有的基于协同过滤的推荐计算方案中，一种是基于用户本身之间的相似程 度，一种是基于物品本身之间的相似程度。
[0006] 上述方法中，由于均没有考虑地理特征在为用户进行地点推荐的影响，因而在数 据稀疏场景中，如异地位置推荐，性能表现很差，而且对于新用户和新物品的冷启动问题， 也无法有效解决。
【发明内容】
[0007] 本发明的目的在于针对W上方法的不足，提出了一种与地理特征相关的个性化位 置推荐系统，结合位置类别W及地理特征，使用潜在狄利克雷分配主题模型，为用户提供有 感兴趣的位置。
[000引为实现上述目的，本发明的推荐系统包括：
[0009] 数据获取模块DC，用于抓取目标网站用户的签到记录，为用户数据库模块UD和地 理数据库模块DD提供数据；
[0010] 用户数据库模块UD，用于将数据抓取模块D讨爪取的全部信息W用户ID作为索引存 储在用户数据库中，为用户偏好挖掘模块UM提供用户信息；
[0011] 地理数据库模块DD，用于将数据抓取模块D讨爪取的全部信息W地理城市作为索引 存储在地理数据库中，为地理特征挖掘模块DM提供地理信息；
[0012] 用户偏好挖掘模块UM，用于使用用户数据库模块UD中的数据去挖掘用户的偏好， 得到按照用户偏好排序的候选位置推荐列表Listi;
[0013] 地理特征挖掘模块DM,用于使用地理数据库模块DD中的数据挖掘地理特征，得到 按照地理特征影响排序的候选位置推荐列表Lists;
[0014] 推荐模块RD，用于根据按照用户偏好排序的候选位置推荐列表Listi和按照地理 特征影响排序的候选位置推荐列表Lists,产生最终的推荐结果Result。
[001引本发明的优点是：
[0016] 本发明通过用户偏好挖掘模块学习用户的个人兴趣，从而实现了个性化的位置推 荐；
[0017] 本发明通过地理特征挖掘模块综合地理特征影响，从而缓解了数据的稀疏性问 题，尤其是异地位置推荐问题。
【附图说明】
[0018] 图1是本发明的推荐系统整体框架图；
[0019] 图2是本发明中用户偏好挖掘模块框架图；
[0020] 图3是本发明中地理特征挖掘模块框架图；
[0021 ]图4是本发明中推荐模块框架图。
[0022] W下结合附图对本发明的实施例和效果进行详细描述。 具体实施方案
[0023] 本发明的核屯、思想是考虑地理特征的影响，结合位置类别，使用潜在狄利克雷分 配主题模型，提出了一种与地理特征相关的个性化位置推荐系统，为用户提供感兴趣的位 置。
[0024] 参照图1，本发明包括:数据获取模块DC，用户数据库模块UD，地理数据库模块DD， 用户偏好挖掘模块UM，地理特征挖掘模块DM和推荐模块RD。其中，数据获取模块DC，用于抓 取目标网站用户的签到记录，为用户数据库模块UD和地理数据库模块DD提供数据；用户数 据库模块UD，用于将数据获取模块DC获取的全部信息W用户ID作为索引存储在用户数据库 中，为用户偏好挖掘模块UM提供用户信息；用户偏好挖掘模块UM，使用用户数据库模块DC中 的用户签到记录，挖掘待推荐用户的偏好，得到按照用户偏好排序的候选位置推荐列表 Listi;地理数据库模块DD，用于将数据获取模块DC获取的全部信息W地理城市作为索引存 储在地理数据库中，为地理特征挖掘模块DM提供地理信息；地理特征挖掘模块DM使用地理 数据库模块DD中不同地理城市包括的用户签到记录，挖掘待推荐城市的地理特征，得到按 照地理特征影响排序的候选位置推荐列表Lists;推荐模块RD使用用户偏好挖掘模块UM得 到的推荐列表Listi和地理特征挖掘模块DM得到的推荐列表Lists,获得最终的推荐结果。
[0025] 所述的数据获取模块DC，获取目标网站用户的签到记录，其中，签到记录包括：用 户ID，语义位置，如大唐芙蓉园，语义位置的类别，如旅游&交通和语义位置所在地理城市， 如西安。其中，语义位置的类别包括：艺术&娱乐，学院&大学，活动，食品店，夜市，户外&休 闲，居民区，商店&服务和旅游&交通。
[0026] 参照图2,所述的用户偏好挖掘模块UM，包括:主题模型训练单元UMi, S层图模型 构建单元UM2和位置偏好值计算单元U13。
[0027] 该主题模型训练单元UMi,用于根据用户数据库模块UD得到的用户签到记录与主 题，生成每个用户对应于每个主题的主题特征向量uv;
[0028] 该S层图模型构建单元UM2,用于根据用户数据库模块UD得到的用户签到记录与 主题模型训练单元UMi得到的主题特征向量UV，构建由所有用户、所有位置和所有主题组成 的用户层、位置层和主题层的=层图结构；
[0029] 该位置偏好值计算单元UM3,用于根据用户层、位置层和主题层运=层图结构，得 到用户数据库中用户-主题概率分布的先验知识af作日主题-位置概率分布的先验知识0V， 计算用户对未访问位置的偏好值fuv，其中，用户对未访问位置的偏好值fuv，通过下式计算：
[0030]
[0031] 其中，成表示用户U对主题Zk的偏好程度的估计，知表示对用户数据库中位置V在 主题Zk中的生成概率的估计，表示主题Zk在用户U签到记录中被采样的次数，ni'.'l,,表示 在用户U签到记录中位置V在主题Zk中被采样的次数，下标表示不包括主题i，Rr表示用户 U签到记录中包含的主题数；
[0032] 使用用户对位置的偏好值fuv，对未访问位置进行递减排序，选取前k个位置生成按 照用户偏好排序的候选位置推荐列表Listi。
[0033] 参照图3,所述的地理特征挖掘模块DM,包括：主题模型训练单元DMi，S层图模型 构建单元DM2和位置偏好值计算单元DM3。
[0034] 该主题模型训练单元DMi,用于读取地理数据库模块DD包含的地理城市中所有用 户的签到记录，根据记录中的主题，生成每个位置对应于每个主题的主题特征向量DV;
[0035] 该S层图模型构建单元DM2,用于根据地理数据库模块DD包含的地理城市中所有 用户的签到记录W及主题模型训练模块DMi得到的主题特征向量DV，构建由所有城市，所有 位置和所有主题组成的地理层，位置层和主题层的=层图结构；
[0036] 该位置偏好值计算单元DM3，用于根据地理层，位置层和主题层运=层图结构，得 到地理数据库中地理城市-主题概率分布的先验知识af和主题-位置概率分布的先验知识 护V，计算地理城市对位置的偏好值fi/，其中，地理城市对位置的偏好值fi/，通过下式计 算：
[0037]
[0038] 其中，4表示地理城市1对主题Zk的偏好程度的估计，热表示对地理数据库中位 置V在主题Zk中的生成概率的估计，巧没表示主题Zk