【技术实现步骤摘要】
本专利技术特别涉及个性化推荐系统领域，特别是在用户与地理信息系统交互时，提供了一种基于多模态数据融合和动态权重调整的地点实时推荐方法及系统。该系统通过综合用户眼动数据、操作行为和文本输入，为用户提供精准的地点推荐服务，特别适用于需要快速、动态响应用户需求的地图服务和位置基础服务。
技术介绍
1、现有的推荐系统在处理来自多元采集系统的数据时，常常面临数据量大、类型多样且复杂的问题。尽管数据融合技术在一定程度上解决了信息整合的问题，但现有方法往往缺乏对数据权重的动态调整和个性化推荐的能力。这导致推荐结果可能不够精确，无法满足用户对实时性和个性化的高要求。本专利技术通过引入基于用户行为的动态权重调整机制，以及结合用户反馈的自适应学习算法，显著提高了地点推荐的相关性和准确性，解决了现有技术中推荐系统响应慢、个性化程度不高的具体困难。
技术实现思路
1、本专利技术的目的是为了公开一种基于组合赋权和用户反馈的地点实时推荐方法及系统，对来自多元采集系统的数据进行识别判断、综合处理和融合，得出比从任何单个数据源更加全面、准确、可靠的信息，从而有效弥补单个数据源所固有的不足，产生高覆盖、高精度的信息，切实满足指挥调度和公众服务的需求。
2、为实现上述技术目的，本专利技术采取的技术方案为：
3、一种基于组合赋权和用户反馈的地点实时推荐方法，所述地点实时推荐方法包括以下步骤：
4、s1：对一段时间内用户的眼动数据、鼠键行为操作记录和文本数据分别进行特征提取，其中，眼动
5、s2:基于专家经验和领域知识，采用g1算法确定眼动数据、操作记录和文本数据三者的相对重要程度，初始化各模态信息的主观权重；
6、s3:运用critic算法对眼动数据、操作记录和文本数据的地点关注度排序列表进行综合分析，计算三种模态数据的客观权重，其中客观权重反映了各模态数据的内部一致性和对整体决策的贡献度；
7、s4:采用差异系数法对步骤s2中的主观权重与步骤s3中的客观权重进行动态融合，生成组合权重，其中组合权重的计算结合了不同模态信息在不同场景下的相对重要性和时效性，以此计算并输出综合的地点推荐列表；
8、s5:获取用户对地点推荐列表的反馈信息，利用归一化折损累计增益(ndcg)评价各模态信息的排序准确性，通过反馈循环更新三种模态信息的相对重要程度和主观权重，确保推荐系统对用户偏好变化的及时响应；
9、s6：每隔预设时间段重复执行步骤s3至步骤s5，在持续获取用户反馈的过程中动态更新主观权重和地点推荐列表，并逐渐增强推荐系统在不同应用场景下的自适应能力，以提高推荐准确度。
10、步骤s1进一步包括：
11、对眼动数据进行特征提取：利用dbscan聚类算法对采集的注视点进行聚类，以获得用户的感兴趣区域；通过调用后台地图数据库获取每个簇中心的地点名称，统计每个簇内的注视点数量，以确定用户对感兴趣区域对应的地点的关注度大小；按照地点的关注度大小从高到低输出眼动数据模态下的地点关注度排序列表；
12、对操作记录进行特征提取：通过后台监测记录鼠标点击和键盘搜索的地点名称和次数得到操作记录模态下的地点关注度排序列表；
13、对文本数据进行特征提取：通过jieba分词算法和词性标注来统计文本中的地点名称和频数得到文本数据模态下的地点关注度排序列表。
14、步骤s2进一步包括：
15、s21，根据专家经验知识将各模态信息按照重要性程度从高到低排序，得到各模态信息的序关系；
16、s22,对于序关系中任意两个相邻模态信息，决策者赋予相对重要程度其中λj为第j个模态信息的权重，rj越大则模态信息相比更重要；
17、s23,根据决策者确定的各模态信息相对重要程度，通过下式得到各模态信息的主观权重：
18、
19、λj-1＝λjrj
20、其中m即为模态信息总数量，且
21、步骤s3进一步包括：
22、s31，根据步骤s1中计算的三种模型信息下的地点关注度排序列表构建数据矩阵x，其中n为模态种类总数量，m为地点总数量，xij表示第j种模态信息下第i个地点的关注度大小：
23、
24、s32,采用min-max归一化方法对各模态信息的地点关注度数据进行无量纲化处理得到归一化后数据矩阵x；
25、s33,计算各模态数据的标准差以表示各模态信息的差异波动度，标准差计算公式如下：
26、
27、其中sj为第j种模态数据的标准差；
28、s34,计算各模态数据之间的相关系数以表示各模态信息之间的冲突度，相关系数计算公式如下：
29、
30、其中rjj'为第j个模态数据与第j′个模态数据的相关系数，σj,σj'分别为第j个模态数据与第j′个模态数据的标准差，μj,μj'分别为第j个模态数据与第j′个模态数据的均值。
31、s35,则j个模态信息的冲突性计算公式如下所示：
32、
33、s36，计算各模态信息的信息量：
34、cj＝sj*rj
35、cj越大则表示第j个模态信息需要分配更多的权重
36、s36,计算各模态信息的客观权重：
37、
38、步骤s4进一步包括：
39、s41,设定主观权重λj和客观权重ωj的系数为和ξ，则组合权重如下：
40、
41、s42,采用差异系数法求解系数和ξ，
42、
43、其中pj(i＝1,2,...,m)，即主观权重依照升序排序后依次的向量，m即为模态信息总数量。
44、步骤s5进一步包括：
45、计算反馈信息和各模态信息排序列表的ndcg值：
46、ndcg1＝ndcg(f,m)
47、ndcg2＝ndcg(f,n)
48、ndcg3＝ndcg(f,e)
49、其中f为反馈信息，m、n和e分别为眼动数据、操作记录和文本数据三种模态下的地点关注度排序列表，ndcg1、ndcg2和ndcg3分别为反馈信息和各模态排序列表计算的ndcg值。
50、对ndcg值从大到小排序确定三种模态信息的序关系：
51、sortndcg＝sort(ndcg1,ndcg2,ndcg3)
52、其中sort(·)是将里面的ndcg值进行从大到小排序，输出的sortndcg包括排序后的各模态信息代表的ndcg值，分别为sortndcg(0)、sortndcg(1)和sortndcg(2)；
53、计算三种模态信息的相关重要程度：
54、
5本文档来自技高网...
【技术保护点】
1.一种基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，所述地点实时推荐方法包括以下步骤：
2.根据权利要求1所述基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，步骤S1进一步包括：
3.根据权利要求1所述基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，步骤S2进一步包括：
4.根据权利要求1所述基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，步骤S3进一步包括：
5.根据权利要求1所述基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，步骤S4进一步包括：
6.根据权利要求1所述基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，步骤S5进一步包括：
7.一种基于组合赋权和用户反馈的地点实时推荐系统，其特征在于，所述地点实时推荐系统包括：
【技术特征摘要】
1.一种基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，所述地点实时推荐方法包括以下步骤：
2.根据权利要求1所述基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，步骤s1进一步包括：
3.根据权利要求1所述基于组合赋权和用户反馈的地点实时推荐方法，其特征在于，步骤s2进一步包括：
4.根据权利要求1所述基于组合赋权和用户反馈...
【专利技术属性】
技术研发人员：詹杰，徐帆，苗馨月，李贤，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。