一种基于层次结构的兴趣点推荐方法

摘要

本申请公开了一种基于层次结构的兴趣点推荐方法，该方法包括：在WMF法的基础上，通过融合地理位置信息，构建用于计算用户对兴趣点的位置偏好的原始目标函数；对兴趣点特征矩阵进行分层处理，得到q层的兴趣点隐性层次结构；对用户特征矩阵进行分层处理，得到p层的用户隐性层次结构；对用户活动区域矩阵进行分层处理，得到h层的用户活动区域隐性层次结构；利用兴趣点隐性层次结构、用户隐性层次结构以及用户活动区域隐性层次结构，对原始目标函数进行优化，并利用优化得到的主目标函数，确定用户对未曾到访兴趣点的偏好程度，并将偏好程度大于预设值的兴趣点推荐给相应的用户。本申请提高了兴趣点推荐结果的精准程度和细致程度。

主权项

一种基于层次结构的兴趣点推荐方法，其特征在于，包括：在WMF法的基础上，通过融合地理位置信息，构建用于计算用户对兴趣点的位置偏好的原始目标函数；其中，所述原始目标函数中包含兴趣点特征矩阵、用户特征矩阵、用户活动区域矩阵以及兴趣点影响区域矩阵；基于兴趣点与兴趣点隐性分类之间的关系，对所述兴趣点特征矩阵进行分层处理，得到q层的兴趣点隐性层次结构，其中，q为正整数；基于用户与用户隐性分类之间的关系，对所述用户特征矩阵进行分层处理，得到p层的用户隐性层次结构，其中，p为正整数；基于活动区域与活动区域隐性分类之间的关系，对所述用户活动区域矩阵进行分层处理，得到h层的用户活动区域隐性层次结构，其中，h为正整数；利用所述q层的兴趣点隐性层次结构、所述p层的用户隐性层次结构以及所述h层的用户活动区域隐性层次结构，对所述原始目标函数进行优化，得到相应的主目标函数；利用所述主目标函数，确定用户对未曾到访兴趣点的偏好程度，并将偏好程度大于预设值的兴趣点推荐给相应的用户。