公开(公告)号：CN112784160A

公开(公告)日：2021-05-11

申请号：CN202110123335.2

申请日：2021-01-29

Applicant: 电子科技大学

Inventor： 周艳 ,  陈帅先 ,  蒋程程 ,  覃梦逗

IPC: G06F16/9535 ,  G06F40/30 ,  G06K9/62 ,  G06Q50/00

Abstract: 本发明公开了一种基于张量分解且顾及上下文语义信息的兴趣点推荐方法，包括以下步骤：S1：计算用户社交活跃度、用户签到位置活跃度、用户签到时间活跃度和用户活跃度；S2：计算用户的社交相似度、用户的签到位置相似度、用户的签到时间相似度和用户相似度；S3：进行用户聚类；S4：计算签到位置的兴趣点流行度；S5：计算时间槽热度；S6：构建U‑L‑T三维张量；S7：分解U‑L‑T三维张量，生成兴趣点推荐列表。本发明有效融合地理位置、签到时间、用户社交关系和兴趣点流行度等上下文信息，改善上下文信息利用率低和签到数据弱语义性问题。

公开(公告)号：CN106488405B

公开(公告)日：2019-07-12

申请号：CN201611249021.2

申请日：2016-12-29

Applicant: 电子科技大学

Inventor： 邵俊明 ,  吴睿智 ,  杨勤丽 ,  朱庆 ,  周艳

IPC: H04W4/029 ,  H04W64/00

Abstract: 本发明公开了一种融合个体与近邻移动规律的位置预测方法，首先对用户移动数据中重要(关键)地点的时间位置信息进行提取，得到用户轨迹数据，然后通过映射，找出围绕预测用户且具有相似时空分布的K个用户，再通过挖掘历史用户轨迹数据中形如 的位置移动模式。在K个近邻中，搜索具有相同位置移动模式，将预测用户与近邻的相似度作为权重，与预测用户(个体)进行融合。考虑了K个近邻用户的相似度并作为权重对预测用户本身的影响，同时搜索相关的移动规律即位置移动模式进行位置预测，这样的技术思路相较与传统位置预测方法更加的鲁棒，抗噪声能力更强，也更加符合社会学规律，准确度更高。