[發明專利]一種影響力感知驅動的連續興趣點實時推薦方法

有效

• 申請號: 202110246458.5
• 申請日: 2021-03-05
• 公開（公告）號: CN112948709B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 楊青;程興和;張敬偉
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F16/9537;G06N3/04;G06N3/08;G06Q50/00
• 代理公司: 成都東恒知盛知識產權代理事務所(特殊普通合伙) 51304
• 代理人: 羅江

1.一種影響力感知驅動的連續興趣點實時推薦方法，其特征在于：包括以下步驟：

步驟一、獲取用戶打卡歷史信息，將每一個用戶一天內的打卡數據組成序列；

步驟二、將所有用戶一天內的打卡數據組成序列組，序列組內每一條序列為一個用戶一天內的序列打卡興趣點，即該序列組包含區域內各有效用戶一天內的打卡序列；

步驟三、將序列組推送給模型進行訓練；通過門控循環單元加注意力機制得到一段序列中每一個興趣點所占影響力向量，將得到的向量輸入全連接神經網絡擬合，經過管道搜索的方式學習出適應該區域的最優超參數；

步驟四、將訓練模型部署在多個服務器中，在一天內按一定頻率將實時的用戶打卡數據序列組分成多部分傳入不同服務器中進行預測，并根據用戶ID將預測結果實時傳回用戶端；

步驟五、記錄用戶下一打卡地點以及對興趣點的評分，得到用戶反饋數據用于優化模型，通過用戶反饋及新用戶打卡序列定期更新模型。

2.根據權利 要求1所述的一種影響力感知驅動的連續興趣點實時推薦方法，其特征在于：步驟一中，從移動應用運營商大數據平臺中獲取用戶打卡歷史信息，用戶打卡歷史信息包括用戶ID、打卡地點、打卡時間、打卡經緯度和用戶評分。

3.根據權利 要求1所述的一種影響力感知驅動的連續興趣點實時推薦方法，其特征在于：步驟二中，組成序列組后，對序列組進行清洗，剔除一天打卡次數少的序列。

4.根據權利 要求3所述的一種影響力感知驅動的連續興趣點實時推薦方法，其特征在于：清洗是將打卡次數少于5次的新用戶數據剔除并且剔除少于5次打卡的興趣點。

5.根據權利 要求1所述的一種影響力感知驅動的連續興趣點實時推薦方法，其特征在于：步驟三中，模型采用深度學習的方式，并在Tensorflow框架上進行模型訓練。

6.根據權利 要求5所述的一種影響力感知驅動的連續興趣點實時推薦方法，其特征在于：步驟三中，將序列組分為訓練集和測試集，將訓練集推送給模型進行訓練，通過門控循環單元加注意力機制得到一段序列中興趣點影響力向量，并與用戶ID嵌入向量進行拼接；將得到的向量輸入全連接神經網絡對模型進行擬合。

7.根據權利 要求6所述的一種影響力感知驅動的連續興趣點實時推薦方法，其特征在于：對于后續收集的用戶數據直接將其分成訓練集和測試集，將歷史模型當作預訓練模型，進行微調操作；將后續數據的訓練集直接輸入模型，之后對原測試集與現測試集隨機抽取，將模型超參數調至最優。