[發明專利]一種基于用戶App數據的個性化地點推薦方法及系統

在審

• 申請號: 202110325784.5
• 申請日: 2021-03-26
• 公開（公告）號: CN113076344A
• 公開（公告）日: 2021-07-06
• 發明（設計）人: 樊亞莉;陳翔;麥偉民;邱繼云;張琳
• 申請（專利權）人: 中山大學
• 主分類號: G06F16/2457
• 分類號: G06F16/2457;G06F16/29
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 高冰

1.一種基于用戶App數據的個性化地點推薦方法，其特征在于，包括以下步驟：

S1、獲取帶有地點信息的App使用記錄，得到數據集；

S2、從數據集中提取用戶對地點的歷史訪問行為、用戶特征和地點特征；

S3、根據用戶對地點的歷史訪問行為、用戶特征和地點特征得到用戶興趣表征和地點功能表征；

S4、根據用戶興趣表征和地點功能表征計算用戶對未訪問地點的興趣分數，并按照預設規則將地點推薦給用戶。

2.根據權利要求1所述一種基于用戶App數據的個性化地點推薦方法，其特征在于，所述從數據集中提取用戶對地點的歷史訪問行為、用戶特征和地點特征這一步驟，其具體包括：

S21、從數據集中提取用戶對地點的歷史訪問行為并統計每個用戶對每個地點的訪問次數，得到每個用戶對地點的訪問偏好；

S22、從數據集中統計每個用戶對每個App的使用次數，得到用戶特征；

S23、從數據集中統計每個地點下聚合的每個App的使用次數，得到地點特征。

3.根據權利要求2所述一種基于用戶App數據的個性化地點推薦方法，其特征在于，所述從數據集中提取用戶對地點的歷史訪問行為并統計每個用戶對每個地點的訪問次數，得到每個用戶對地點的訪問偏好這一步驟還包括將訪問次數為0的地點劃分為未訪問地點。

4.根據權利要求3所述一種基于用戶App數據的個性化地點推薦方法，其特征在于，所述根據用戶對地點的歷史訪問行為、用戶特征和地點特征得到用戶興趣表征和地點功能表征這一步驟，其具體包括：

S31、將用戶對地點的歷史訪問行為按照指定比例劃分為訓練集和測試集；

S32、基于圖卷積神經網絡，將用戶特征、地點特征作為輸入，將訓練集中的歷史訪問行為作為輸出真值，訓練得到用戶興趣表征和地點功能表征。

5.根據權利要求4所述一種基于用戶App數據的個性化地點推薦方法，其特征在于，所述將用戶對地點的歷史訪問行為按照指定比例劃分為訓練集和測試集這一步驟具體包括：

對于每個用戶，隨機選擇該用戶訪問地點中70％的地點，將這些地點的訪問行為作為訓練集，設其余30％的地點用戶未訪問過，構成測試集。

6.根據權利要求5所述一種基于用戶App數據的個性化地點推薦方法，其特征在于，所述基于圖卷積神經網絡，將用戶特征、地點特征作為輸入，將訓練集中的歷史訪問行為作為輸出真值，訓練得到用戶興趣表征和地點功能表征這一步驟，圖卷積神經網絡的訓練步驟具體包括：

S321、根據訓練集中的歷史訪問行為構造二部圖；

S322、將用戶特征和地點特征分別作為二部圖的節點屬性；

S323、將圖卷積神經網絡的層數設置為N；

S324、將二部圖中的每個節點的屬性信息作為圖神經網絡的輸入，輸出對應的用戶興趣表征向量和地點功能表征向量；

S325、根據用戶興趣表征向量和地點功能表征向量，基于內積計算法計算用戶對地點的興趣分數，得到用戶訪問行為的估計值；

S326、將用戶訪問行為的估計值與真實值相比較，得到估計誤差；

S327、根據估計誤差對圖卷積神經網絡進行梯度下降并返回步驟S324，直至估計誤差小于理想閾值。

7.根據權利要求6所述一種基于用戶App數據的個性化地點推薦方法，其特征在于，所述根據用戶興趣表征和地點功能表征計算用戶對未訪問地點的興趣分數，并按照預設規則將地點推薦給用戶這一步驟，其具體包括：

基于內積計算法，根據用戶興趣表征和地點功能表征計算用戶對未訪問地點的興趣分數；

根據興趣分數從高到低對未訪問地點進行排序，并選擇前K個地點推薦給用戶。

8.一種基于用戶App數據的個性化地點推薦系統，其特征在于，包括：

記錄獲取模塊，用于獲取帶有地點信息的App使用記錄，得到數據集；

數據提取模塊，用于從數據集中提取用戶對地點的歷史訪問行為、用戶特征和地點特征；

表征模塊，用于根據用戶對地點的歷史訪問行為、用戶特征和地點特征得到用戶興趣表征和地點功能表征；

推薦模塊，用于根據用戶興趣表征和地點功能表征計算用戶對未訪問地點的興趣分數，并按照預設規則將地點推薦給用戶。