[發明專利]基于STA-TCN神經網絡框架的興趣點推薦方法及系統

有效

• 申請號: 202110362907.2
• 申請日: 2021-04-02
• 公開（公告）號: CN113158038B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 江浩;歐俊杰;王孝誠;金海明;劉藝娟;黃建強;王新兵
• 申請（專利權）人: 上海交通大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9537;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

本發明提供了一種基于STA?TCN神經網絡框架的興趣點推薦方法，包括如下步驟：步驟S1：將用戶簽到序列的數據進行預處理，過濾不活躍用戶和不活躍興趣點；步驟S2：預處理之后的數據轉化為高維的嵌入向量序列；步驟S3：利用神經網絡學習嵌入向量序列的順序過渡相關性，輸出得到包含順序過渡相關性信息的結果向量；步驟S4：對包含順序過渡相關性信息的結果向量利用時空自注意力機制學習全局時空相關性，輸出最終的表示向量；步驟S5：根據最終的表示向量得出興趣點推薦結果。本發明還提供了一種STA?TCN神經網絡框架的興趣點推薦系統，本發明使用ST?Attention將時間信息和空間信息融入到Attention機制中，這將極大促進模型學習興趣點之間的多種相關性。

技術領域

本發明涉及推薦系統領域，具體地，涉及一種基于STA-TCN神經網絡框架的興趣點推薦方法及系統。

背景技術

如今，隨著Foursquare和Yelp等基于位置的社交網絡(LBSN)平臺的飛速發展，越來越多的用戶希望與朋友分享他們在不同位置的興趣點(Point of Interest)簽到記錄，如餐館、博物館等。大量的用戶簽到數據有助于學習用戶對興趣點的偏好研究。怎么準確地向用戶推薦興趣點，這對興趣點所有者吸引潛在用戶，以及用戶探索周圍環境并發現潛在的有趣景點都具有很高的價值。針對專有的一些名詞做如下解釋：

興趣點(POI,Point-of-Interest)：位于地圖上的某一地點，可以是娛樂場所、餐飲場所、景點等，其所在位置由GPS表示。

基于位置的社交網絡(LBSN,Location-based Social Networks)：其中用戶集合表示為興趣點集合表示為其中每個興趣點其所在位置為g_p＝(lon,lat)，其中lon和lat表示其經度和緯度坐標。

簽到記錄(Check-In)：用戶簽到記錄表示為三元組這表示用戶在過去的時間戳t處訪問了位置的興趣點p。

簽到歷史(Check-In History)：給定數據集，用戶的簽到歷史定義為該用戶的所有簽到記錄的集合，其中每個元素表示用戶在數據集中的第i個簽到記錄。

興趣點推薦(POI Recommendation)：對于給定的目標用戶興趣點推薦問題的目的是推薦目標用戶會優先選擇下一個但從未訪問過的前M個興趣點的列表。

實際上，用戶的興趣點訪問行為顯示出很強的順序過渡相關性。也就是說，用戶下一次訪問的興趣點與用戶以往訪問過的興趣點高度相關。例如，在周末在飯店吃晚餐之后，某些用戶很有可能隨后會去電影院、酒吧或者其他娛樂場所。自然地，在簽到記錄之間捕獲這種順序過渡相關性對于興趣點推薦系統至關重要。

基于循環神經網絡(RNN)的模型率先被用來解決興趣點推薦問題，循環神經網絡可以通過用戶的簽到記錄學習到用戶興趣點簽到記錄之間的順序過渡相關性。要想訓練這種基于神經網絡的模型，必須將用戶的歷史簽到序列分為多個較短的子序列，然后將它們逐個輸入這些模型，這不可避免地會非常耗時。

經過檢索，專利文獻CN111241306A公開了一種基于知識圖譜和指針網絡的路徑規劃方法，包括：獲取旅游圖中興趣點作為節點構建知識圖譜，每個節點中包括興趣點的四維信息，利用圖神經網絡對知識圖譜中每個節點的四維信息進行聚合生成興趣點的嵌入矩陣；將嵌入矩陣作為訓練樣本輸入到指針網絡，對指針網絡進行訓練，得到訓練后的指針網絡；針對旅游圖中待測試的興趣點，獲得興趣點的嵌入矩陣作為測試樣本輸入到訓練后的指針網絡中，依次選擇輸出概率最高的興趣點，作為當前路線的下一個興趣點，完成路徑規劃。該現有技術需要興趣點的經度、緯度、熱度和游玩時長等信息之后，并且根據這些信息數據先構建知識圖譜并存儲，實際運用過程中也需要不斷對知識圖譜進行更新，流程比較繁瑣。同時，沒有使用時間信息，對于空間信息到使用也僅限于構建知識圖譜，對知識圖譜并不能充分挖掘興趣點的空間相關性。