[發(fā)明專利]一種時間感知的POI推薦方法

有效

• 申請?zhí)枺?/td>: 202011454790.2
• 申請日: 2020-12-10
• 公開（公告）號: CN112487307B
• 公開（公告）日: 2022-06-14
• 發(fā)明（設(shè)計）人: 錢鐵云;王營麗;姜聰聰
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/9537
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 齊晨涵

1.一種時間感知的POI推薦方法，其特征在于，包括以下步驟：

步驟1：對原始數(shù)據(jù)進行預(yù)處理獲得符號化表示，并且按照需求比例劃分訓(xùn)練集、驗證集和測試集；

步驟2：構(gòu)建基于時間特征的POI推薦模型，將訓(xùn)練樣本與驗證樣本批量隨機地輸入基于時間特征的POI推薦模型中，開始迭代模型訓(xùn)練過程，得到訓(xùn)練集與驗證集上的評價指標(biāo)，當(dāng)驗證集上的指標(biāo)不再上升或者迭代達(dá)到一定次數(shù)后停止，保存驗證集上的最優(yōu)模型，

其中，學(xué)習(xí)用戶與POI的表示具體為：利用RESCAL的有效分解算法，將基于時間特征構(gòu)建關(guān)系矩陣中得到的兩個三維張量分別執(zhí)行張量分解后，學(xué)習(xí)得到用戶的兩個表示與POI的兩個表示；

其中，構(gòu)建基于時間特征的POI推薦模型包括：劃分時間段、基于時間特征構(gòu)建關(guān)系矩陣、學(xué)習(xí)用戶與POI的表示、計算用戶對POI的感興趣程度；

計算用戶對POI的感興趣程度具體為：在得到用戶與POI的表示后，采用余弦相似性分別度量計算不同的時間特征下用戶對于未訪問的POI的感興趣程度，采用線性組合方式將兩個時間特征下的用戶對POI的偏好得分組合在一起；最后，將用戶對未訪問過的POI的通過協(xié)同過濾算法得到的偏好得分與基于時間特征的張量分解的偏好得分線性組合起來，作為用戶對POI的最終偏好得分；

步驟3：加載保存的在驗證集上評價指標(biāo)最優(yōu)的基于時間特征的POI推薦模型，將測試樣本批量送入模型中，輸出與保存推薦的結(jié)果。

2.根據(jù)權(quán)利要求1所述的時間感知的POI推薦方法，其特征在于：所述步驟1中的原始數(shù)據(jù)集包含相關(guān)的用戶信息、地點信息以及與其對應(yīng)的用戶訪問記錄信息。

3.根據(jù)權(quán)利要求1所述的時間感知的POI推薦方法，其特征在于：所述步驟2中劃分時間段具體為：根據(jù)每周以及每日兩個不同的時間特征構(gòu)建用戶與POI的關(guān)系矩陣，每周劃分為工作日與周末，每日按照小時劃分為5個時間段，總共有10種不同的時間段。

4.根據(jù)權(quán)利要求3所述的時間感知的POI推薦方法，其特征在于：所述步驟2中基于時間特征構(gòu)建關(guān)系矩陣具體為：根據(jù)不同時間段下用戶訪問POI的記錄信息，每個時間段分別構(gòu)建用戶和POI的交互矩陣；通過將多個時間段的關(guān)系矩陣排列形成一個由用戶、POI以及時間段構(gòu)成的三維張量；分別為每周T1以及每日T2這兩個不同時間的尺度建立兩個獨立的張量。

5.根據(jù)權(quán)利要求1所述的時間感知的POI推薦方法，其特征在于：

所述步驟2中構(gòu)建好基于時間特征的POI推薦方法后，將訓(xùn)練與驗證樣本隨機批量的輸入到模型中，并且利用隨機梯度下降方法使模型逐漸學(xué)習(xí)最優(yōu)的參數(shù)值，同時計算在驗證集上的評價指標(biāo)，當(dāng)驗證集上的指標(biāo)不再上升或者模型訓(xùn)練迭代到一定次數(shù)后停止訓(xùn)練，保存驗證集上表現(xiàn)最優(yōu)的關(guān)系分類模型。

6.根據(jù)權(quán)利要求1所述的時間感知的POI推薦方法，其特征在于，所述步驟3的測試過程具體為先加載步驟2中訓(xùn)練好的關(guān)系分類模型，再將測試集中的樣本批量輸入到模型中，此時模型的參數(shù)固定不變，經(jīng)過模型計算后，得到針對每位用戶的可能感興趣的POI推薦。