公开(公告)号：CN110119475B

公开(公告)日：2020-01-07

申请号：CN201910089802.7

申请日：2019-01-29

Applicant: 成都信息工程大学

Inventor： 熊熙 ,  李元媛 ,  乔少杰 ,  王俊峰 ,  陈麟

IPC: G06F16/9535 ,  G06F16/9537

Abstract: 本发明公开一种POI推荐方法及推荐系统，涉及推荐技术领域，该方法包括：根据从LBSN门户网站收集的用户和POI数据构建的用户‑POI关系网络，利用网络嵌入方法学习得到用户和POI的嵌入向量；根据用户和POI的嵌入向量，构建包括多个关于用户和POI的关联因子的动态因子图模型，并根据所述多个关于用户和POI的关联因子建立在时空社交网络上的联合分布，通过学习得到所述联合分布中的参数值；计算得到使联合分布概率最大的节点值，然后计算每个节点的边缘概率，并按边缘概率和倾向性的乘积大小进行POI推荐；解决了因数据质量不可靠和时空模式难以确定导致的推荐准确性低的问题，显著提高推荐性能。

公开(公告)号：CN110119475A

公开(公告)日：2019-08-13

申请号：CN201910089802.7

申请日：2019-01-29

Applicant: 成都信息工程大学

Inventor： 熊熙 ,  李元媛 ,  乔少杰 ,  王俊峰 ,  陈麟

IPC: G06F16/9535 ,  G06F16/9537

Abstract: 本发明公开一种POI推荐方法及推荐系统，涉及推荐技术领域，该方法包括：根据从LBSN门户网站收集的用户和POI数据构建的用户-POI关系网络，利用网络嵌入方法学习得到用户和POI的嵌入向量；根据用户和POI的嵌入向量，构建包括多个关于用户和POI的关联因子的动态因子图模型，并根据所述多个关于用户和POI的关联因子建立在时空社交网络上的联合分布，通过学习得到所述联合分布中的参数值；计算得到使联合分布概率最大的节点值，然后计算每个节点的边缘概率，并按边缘概率和倾向性的乘积大小进行POI推荐；解决了因数据质量不可靠和时空模式难以确定导致的推荐准确性低的问题，显著提高推荐性能。