买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学(深圳)高等研究院

摘要：本发明涉及兴趣点推荐技术，其公开了一种基于时空信息的用户动态兴趣点推荐方法，解决现有协同过滤方案存在的内容单一、静态化，以及基于深度学习的方案存在的数据稀疏性问题。该方法，基于目标用户当前时段的交互和其它用户在与当前时段属于相同时间段的交互，从空间和偏好两方面综合度量用户间的相似性，从而筛选出相似用户；然后，基于相似用户在该时段对目标用户历史交互的访问频次，构建静态的偏好列表；并基于相似用户各时间段的交互数据，建立状态转移模型，计算转移矩阵，在静态偏好列表的基础上利用转移矩阵计算出动态偏好，即推荐类别，最后以相似用户在该时间段的交互，基于推荐类别，为目标用户进行推荐。

主权项：1.一种基于时空信息的用户动态兴趣点推荐方法，其特征在于，包括以下步骤：S1、输入用户历史交互记录，所述用户历史交互记录包括用户以及用户交互兴趣点的类别、时间和位置；将所述历史交互记录所包含交互，按用户分组并按时间线连接，获得各用户的历史轨迹；按预设的时间周期，对各用户的历史轨迹进行划分，获得各用户在各时间周期的交互轨迹；针对各交互轨迹，按预设的时间段进行划分，获得虚拟轨迹；S2、以待推荐用户为目标用户，以其最后一次交互所属虚拟轨迹为当前轨迹，以其最后一次交互的位置作为当前位置，以其最后一次交互的时间确定当前时间段；以当前时间段所属时间段作为参考时间段，以目标用户以外的其他用户作为参考用户；提取各参考用户的各时间周期中时间段为参考时间段的虚拟轨迹，作为参考轨迹；S3、针对每一条参考轨迹，分别按如下步骤，计算其所对应参考用户与目标用户之间的情景相似度：S31、基于当前轨迹和输入的参考轨迹，分别计算两轨迹所包含各交互之间的时间距离；基于时间距离，分别以当前轨迹所包含各交互的时间为分组中心，对输入的参考轨迹所包含交互，进行聚类分组，获得与当前轨迹所包含交互次数相一致的交互分组；S32、针对各分组，分别基于组内各交互与其分组中心之间的空间距离，计算各交互与其分组中心之间的空间相似度；分别基于组内各交互与其分组中心所属类别，在各交互所属用户的历史轨迹中的交互频次，计算各交互与其分组中心之间的偏好相似度；S33、基于空间相似度和偏好相似度，获得各组内各交互与其分组中心之间的相似度；融合各组内各交互与其分组中心之间的相似度，获得各组与其分组中心之间的相似度；融合各组与其分组中心之间的相似度，获得目标用户与输入参考轨迹所属参考用户之间的情景相似度；S4、基于情景相似度进行排序，选择情景相似度排序靠前的前Ku个参考用户，作为目标用户的相似用户；S5、以目标用户历史轨迹所包含交互为参考交互，分别提取各相似用户的历史轨迹中，在参考时间段对参考交互的交互频次；基于各相似用户对参考交互的交互频次，及其与目标用户的情景相似度，计算获得参考交互针对各相似用户的匹配度得分；S6、融合参考交互针对各相似用户的匹配度得分，获得参考交互的匹配度得分；基于参考交互的匹配度得分进行排序，选择匹配度得分排序靠前的前Kp个参考交互，构建目标用户的实时偏好列表；S7、构建各时间段间的状态转移模型，利用各相似用户的历史轨迹中，各时间段对实时偏好列表所包含交互所属类别的交互频次，计算获得维度为C×C的状态转移矩阵A，其所有元素均为非负，且每行各元素相加总和为1，C为类别数量；S8、基于目标用户的历史轨迹中，在各时间段对实时偏好列表所包含交互所属类别的交互频次，利用状态转移矩阵A，获得目标用户在当前时间段的动态偏好类别；S9、提取各相似用户在参考时间段内，符合步骤S8所获得动态偏好类别的交互，并以其中交互次数最多的前P项，作为对目标用户的推荐。

全文数据：

权利要求：

百度查询： 电子科技大学(深圳)高等研究院 一种基于时空信息的用户动态兴趣点推荐方法