基于张量分解且顾及上下文语义信息的兴趣点推荐方法

摘要

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。