[發明專利]社交網絡的下一個興趣點的推薦方法

有效

• 申請號: 202110631965.0
• 申請日: 2021-06-07
• 公開（公告）號: CN113205427B
• 公開（公告）日: 2022-09-16
• 發明（設計）人: 郭燕鴿;梁媛;劉鵬
• 申請（專利權）人: 廣西師范大學
• 主分類號: G06Q50/00
• 分類號: G06Q50/00;G06Q10/06;G06F16/9535;G06F16/9536;G06F16/9537
• 代理公司: 桂林市持衡專利商標事務所有限公司 45107
• 代理人: 陳躍琳

1.社交網絡的下一個興趣點的推薦方法，其特征是，包括步驟如下：

步驟1、先從社交網絡中采集用戶的原始數據，提取原始數據中用戶、用戶訪問的興趣點、以及用戶訪問的興趣點的時間形成用戶的一個簽到記錄，并將每個簽到記錄進行語義空間映射，得到每個簽到記錄特征矢量；再將用戶的所有簽到記錄特征矢量組成用戶的軌跡特征向量；

步驟2、先構建用戶的簽到時間差矩陣，該簽到時間差矩陣的第i行第j列為用戶的第j個簽到記錄中的用戶訪問的興趣點的時間減去用戶的第i個簽到記錄中的用戶訪問的興趣點的時間，其中i,j∈[1,n]，n為用戶的簽到記錄的個數；再將用戶的簽到時間差矩陣進行語義空間映射，得到用戶的簽到時間差特征矩陣；

步驟3、將用戶的軌跡特征向量和用戶的簽到時間差特征矩陣同時送入到Transformer模型的encoder層，在Transformer模型的encoder層中，利用用戶的簽到時間差特征矩陣分清用戶的軌跡特征向量的各個簽到記錄特征矢量的先后順序，并在此基礎上捕獲用戶的軌跡特征向量中每個簽到記錄特征矢量與其他簽到記錄特征矢量的關系，得到用戶的偏好興趣點特征矩陣；其中用戶的偏好興趣點特征矩陣由用戶的偏好興趣點特征向量組成，每個用戶的偏好興趣點特征向量包括用戶訪問該偏好興趣點的所有簽到記錄特征矢量；

步驟4、將一天劃分為不同的時間窗口，并將用戶的偏好興趣點特征矩陣中的用戶的偏好興趣點特征向量按照其用戶訪問的該偏好興趣點的時間劃分到對應的時間窗口中，由此得到每個時間窗口所對應的用戶的偏好興趣點特征向量；

步驟5、為每個時間窗口分配一個權重，并基于該權重計算用戶的偏好興趣點狀態特征矢量；其中用戶的偏好興趣點狀態特征矢量p_u為：

式中，表示第t個時間窗口內的用戶的偏好興趣點特征向量，S_t表示第t個時間窗口內的用戶的偏好興趣點特征向量的個數，w_t表示第t個時間窗口的權重，且T表示時間窗口的個數；

步驟6、先從社交網絡的所有興趣點中選出與用戶距離小于設定距離閾值的興趣點，得到初篩興趣點集合；再計算初篩興趣點集合中每個興趣點的流行度，并從初篩興趣點集合選出與流行度大于預設流行度閾值的興趣點，得到候選興趣點集合；

步驟7、計算候選興趣點集合中每個興趣點的評分，并將評分排在前k位的興趣點推薦給用戶；其中k為設定值，每個候選興趣點的評分為：

式中，p_u表示用戶的偏好興趣點狀態特征矢量，e_t表示當前時間點進行語義空間映射所得到的當前時間特征矢量，表示候選興趣點進行語義空間映射所得到的候選興趣點特征矢量，[·]^T表示轉置。

2.根據權利要求1中所述社交網絡的下一個興趣點的推薦方法，其特征是，步驟4中，根據用戶的行為將一天劃分為12個時間窗口，并使得每個時間窗口內的簽到記錄的數量是相同的。

3.根據權利要求1中所述社交網絡的下一個興趣點的推薦方法，其特征是，步驟5中，時間窗口內的用戶的偏好興趣點特征向量的數量越多，該時間窗口所分配的權重越大；時間窗口內的用戶的偏好興趣點特征向量的數量越少，該時間窗口所分配的權重越小。

4.根據權利要求1中所述社交網絡的下一個興趣點的推薦方法，其特征是，步驟6中，興趣點的流行度等于該興趣點一天被訪問的次數除以所有興趣點一天被訪問的次數。