[發(fā)明專利]一種基于圖嵌入與用戶長(zhǎng)短期興趣融合的興趣點(diǎn)推薦方法、系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 202011145585.8
• 申請(qǐng)日: 2020-10-23
• 公開(kāi)（公告）號(hào): CN112380426B
• 公開(kāi)（公告）日: 2023-10-13
• 發(fā)明（設(shè)計(jì)）人: 鄒志強(qiáng);王興源;徐康;徐淑強(qiáng);甘鴻宇
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/9537;G06N3/0442;G06N3/047;G06N3/048;G06N3/084;G06N3/0985
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 侯成兵

本發(fā)明公開(kāi)了一種基于圖嵌入與用戶長(zhǎng)短期興趣融合的興趣點(diǎn)推薦方法、系統(tǒng)，包括從基于位置的社交網(wǎng)絡(luò)中的簽到數(shù)據(jù)中提取興趣點(diǎn)數(shù)據(jù)，采用用戶軌跡提取算法對(duì)用戶簽到數(shù)據(jù)進(jìn)行預(yù)處理，提取出用戶軌跡數(shù)據(jù)；通過(guò)分析興趣點(diǎn)數(shù)據(jù)輸入至圖嵌入模型中生成最終興趣點(diǎn)向量表示；采用普通嵌入模型來(lái)處理用戶ID信息生成用戶長(zhǎng)期興趣向量，通過(guò)門控循環(huán)單元模型來(lái)處理用戶軌跡數(shù)據(jù)生成用戶短期興趣向量，將用戶長(zhǎng)期興趣向量與用戶短期興趣向量進(jìn)行融合，得到最終用戶興趣向量；將興趣點(diǎn)向量表示與用戶興趣向量輸入至推薦模型，得到用戶前往所有興趣點(diǎn)的概率分布，取概率最高的K個(gè)興趣點(diǎn)進(jìn)行推薦，使得本發(fā)明以較小的計(jì)算代價(jià)獲得了較高的興趣點(diǎn)推薦準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及城市計(jì)算中基于位置的社交網(wǎng)絡(luò)數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其涉及一種基于圖嵌入與用戶長(zhǎng)短期興趣融合的興趣點(diǎn)推薦方法、系統(tǒng)。

背景技術(shù)

城市化的不斷推進(jìn)給予了我們現(xiàn)代化的生活，但如環(huán)境污染、交通擁擠，能耗增加和規(guī)劃落后等問(wèn)題和挑戰(zhàn)也隨之而來(lái)，如何合理地挖掘與研究城市大數(shù)據(jù)以解決上述問(wèn)題也受到越來(lái)越多研究人員的重視。隨著大數(shù)據(jù)處理技術(shù)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法的發(fā)展，人工智能在大數(shù)據(jù)預(yù)測(cè)任務(wù)上的優(yōu)勢(shì)愈加明顯。上海交通大學(xué)鄭宇教授以城市為背景提出了城市計(jì)算的概念，通過(guò)城市中獲取到的多種異構(gòu)大數(shù)據(jù)進(jìn)行分析、融合，以此來(lái)解決在城市化進(jìn)程中所面臨的各種挑戰(zhàn)。

隨著移動(dòng)設(shè)備，全球定位系統(tǒng)(GPS)和Web2.0技術(shù)的迅速發(fā)展，基于位置的社交網(wǎng)絡(luò) (Location-based Social Networks,LBSNs)逐漸在人們的日常生活中普及。與傳統(tǒng)的社交網(wǎng)絡(luò)相比， LBSNs不僅包括了人與人之間的聯(lián)系，還可以共享人們之間的位置信息，使得線上社交和線下社交相結(jié)合，用戶可以隨時(shí)分享自己或?yàn)g覽他人的足跡。目前主流的社交應(yīng)用(如Twitter、Foursquare、 Gowalla等)都滿足LBSNs的主要特性。如Twitter這樣的應(yīng)用每天都在產(chǎn)生TB級(jí)別的時(shí)空數(shù)據(jù)，這些數(shù)據(jù)通常以GPS數(shù)據(jù)或簽到數(shù)據(jù)(check-in)的形式記錄，數(shù)據(jù)中不僅有一般社交網(wǎng)絡(luò)所包含的用戶與用戶之間的朋友關(guān)系，還有著時(shí)間信息(時(shí)間戳等)，空間信息(經(jīng)緯度)，語(yǔ)義信息(位置類別、評(píng)論留言、圖片視頻等)等信息。這些信息既是個(gè)人行為習(xí)慣與偏好的體現(xiàn)，也在一定程度上反映了一座城市里人們的生活方式和移動(dòng)模式。基于以上數(shù)據(jù)，多種類型的推薦被提出，其中興趣點(diǎn)推薦為其重要研究方向之一。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于圖嵌入與用戶長(zhǎng)短期興趣融合的興趣點(diǎn)推薦方法、系統(tǒng)，使得本發(fā)明以較小的計(jì)算代價(jià)獲得了較高的興趣點(diǎn)推薦準(zhǔn)確率。

本發(fā)明為實(shí)現(xiàn)上述發(fā)明目的采用如下技術(shù)方案：

本發(fā)明提供了一種基于圖嵌入與用戶長(zhǎng)短期興趣融合的興趣點(diǎn)推薦方法，包括：

從基于位置的社交網(wǎng)絡(luò)中的簽到數(shù)據(jù)中直接提取興趣點(diǎn)數(shù)據(jù)，采用用戶軌跡提取算法對(duì)用戶簽到數(shù)據(jù)進(jìn)行預(yù)處理，提取出用戶軌跡數(shù)據(jù)；

通過(guò)分析興趣點(diǎn)數(shù)據(jù)，并輸入至圖嵌入模型中，接著生成最終興趣點(diǎn)向量表示；

采用普通嵌入模型來(lái)處理用戶ID信息并生成用戶長(zhǎng)期興趣向量，通過(guò)門控循環(huán)單元模型來(lái)處理用戶軌跡數(shù)據(jù)并生成用戶短期興趣向量，將用戶長(zhǎng)期興趣向量與用戶短期興趣向量進(jìn)行融合，得到最終用戶興趣向量；

將最終興趣點(diǎn)向量表示與最終用戶興趣向量輸入至推薦模型中，得到用戶前往所有興趣點(diǎn)的概率分布，取概率最高的K個(gè)興趣點(diǎn)進(jìn)行推薦。

進(jìn)一步地，所述用戶軌跡提取算法具體包括：