[發明專利]基于多粒度自注意力的下一個興趣點推薦方法

在審

• 申請號: 202011616569.2
• 申請日: 2020-12-30
• 公開（公告）號: CN112632404A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 趙磊;張軍;趙朋朋
• 申請（專利權）人: 神行太保智能科技（蘇州）有限公司
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 北京遠大卓悅知識產權代理有限公司 11369
• 代理人: 卞靜靜

1.基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，包括：

構建多粒度自注意力網絡模型，所述多粒度自注意力網絡模型包括：對時間進行感知編碼的第一編碼器、對空間進行感知編碼的第二編碼器、對POI特征進行解碼的解碼器；

采集多個用戶歷史簽到數據，將部分用戶的歷史簽到數據作為訓練集對所述多粒度自注意力網絡模型進行訓練，將另一部分用戶的歷史簽到數據作為測試集，利用訓練好的多粒度自注意力網絡模型預測用戶的下一個興趣點；

其中，訓練集訓練的過程和測試集測試的過程包括：根據用戶歷史簽到數據提取包含時間特征和空間特征的POI序列，根據用戶歷史簽到數據提取包含時間特征和空間特征的POI商圈序列；

將POI序列和POI商圈序列作為輸入序列，通過所述多粒度自注意力網絡模型處理得到用戶下一個POI id。

2.如權利要求1所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，用戶歷史簽到數據包括用戶id、POI id、簽到時間、POI所屬類別、POI種類和POI地理位置。

3.如權利要求2所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，所述解碼器包括對POI種類進行解碼的第一解碼器、對POI所屬類別進行解碼的第二解碼器以及對POI id進行解碼的第三解碼器。

4.如權利要求3所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，所述第一編碼器和第二編碼器均由特征層、聚合層和自注意力網絡組成。

5.如權利要求4所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，將POI序列和POI商圈序列作為輸入序列，通過所述多粒度自注意力網絡模型處理得到用戶下一個POI id的過程包括：

使用第一編碼器對POI序列中的時間特征進行編碼得到POI序列的時間感知編碼，使用第二編碼器對POI序列中的空間特征進行編碼得到POI序列的空間感知編碼，綜合POI序列的時間感知編碼和POI序列的空間感知編碼得到POI序列表示；

使用第一編碼器對POI商圈序列中的時間特征進行編碼得到POI商圈序列的時間感知編碼，使用第二編碼器對POI商圈序列中的空間特征進行編碼得到POI商圈序列的空間感知編碼，綜合POI商圈序列的時間感知編碼和POI商圈序列的空間感知編碼得到POI商圈序列表示；

將POI序列的時間感知編碼與POI商圈序列的時間感知編碼作為輸入量，通過第一解碼器處理得到下一個POI種類預測值；

將POI序列中的時間特征在編碼過程中得到的聚合表示與POI商圈序列中的時間特征在編碼過程中得到的聚合表示作為輸入量，通過第二解碼器處理得到下一個POI所屬類別預測值；

將POI序列表示、POI商圈序列表示、下一個POI種類預測值以及下一個POI所屬類別預測值作為輸入量，通過第三解碼器處理得到用戶下一個POI id。

6.如權利要求4所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，所述自注意力網絡加入了一層前饋神經網絡，使用的激活函數為ReLu函數。

7.如權利要求5所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，所述第一解碼器的激活函數為sigmoid函數，損失函數為交叉熵損失函數。

8.如權利要求5所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，所述第二解碼器的損失函數為BPR損失函數。

9.如權利要求5所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，所述第三解碼器的損失函數為BPR損失函數。

10.如權利要求5所述的基于多粒度自注意力的下一個興趣點推薦方法，其特征在于，所述多粒度自注意力網絡模型訓練過程中使用了AdaGrad優化器。