[發明專利]一種基于類腦時空感知表征的興趣點推薦方法及系統

在審

• 申請號: 202110930940.0
• 申請日: 2021-08-13
• 公開（公告）號: CN113590971A
• 公開（公告）日: 2021-11-02
• 發明（設計）人: 唐華錦;馬歌華;燕銳
• 申請（專利權）人: 浙江大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N3/04;G06N3/08
• 代理公司: 北京方圓嘉禾知識產權代理有限公司 11385
• 代理人: 王月松

本發明公開了一種基于類腦時空感知表征的興趣點推薦方法及系統。該方法包括括：基于興趣點訪問數據集構建興趣點上下文圖結構；對訪問序列的上下文圖進行采樣，通過無監督學習方式訓練類腦時空感知嵌入模型中的興趣點訪問序列嵌入模型；對空間上下文圖和時空上下文圖進行采樣，訓練類腦時空感知嵌入模型中的時空嵌入模型；將興趣點序列表征和興趣點時空聯合表征合成興趣點時空感知表征向量；基于興趣點時空感知表征向量訓練遞歸神經網絡推薦器；通過訓練好的遞歸神經網絡推薦器推薦下一個興趣點。本發明通過挖掘興趣點本身的時空復雜特性、訪問序列特性，使用大腦內嗅?海馬結構啟發的類腦時空感知嵌入模型，對興趣點進行多角度的高效表征。

技術領域

本發明涉及人工智能技術領域，特別是涉及一種基于類腦時空感知表征的興趣點推薦方法及系統。

背景技術

隨著基于位置的網絡服務(Location-based Networks)的興起，人們大量地分享帶有精確地理位置的推文與點評，這變革了人與地理環境互動的方式，也帶來了興趣點推薦的巨大需求。通過增加時間維度的考量，興趣點推薦可以實現精確地推薦下一個興趣點。這種推薦算法能夠挖掘興趣點相關的信息，向用戶提供推薦列表，從而引導用戶前往合適的下一個地點，對于用戶和興趣點所有者可謂大有裨益。

近年來，研究人員通過挖掘興趣點相關的大數據信息，開發出一系列的推薦方法。由于訪問序列(Check-in Sequence)中相鄰的興趣點通常具備高度的相關性，許多研究人員使用馬爾可夫鏈(Markov Chain)等序列分析模型對用戶興趣點訪問序列進行建模，進而完成興趣點的推薦。然而上述的方法僅僅是將興趣點視為一般化的序列元素，未能充分利用其本身的豐富特性，制約了推薦的效果。大部分推薦系統都非常依賴于用戶喜好建模，對于興趣點推薦而言，通過對用戶進行精確的畫像，在用戶的訪問歷史足夠豐富的情況下，可以獲取到準確度很高的推薦。然而基于用戶畫像的推薦有兩個比較突出的問題，第一是冷啟動(Cold-start)情況下的推薦性能無法保證，即對于沒有或僅有少量訪問歷史的用戶，依賴喜好來進行推薦并不可靠；第二是用戶的個人喜好的隱私數據存在泄漏風險，會導致系統性的倫理問題。由于興趣點具有天然的地理空間屬性，在推薦中加入空間信息的考量可以極大地提升推薦的質量。Lian等人提出使用冪律分布、正態分布來描述興趣點的空間分布特征。Feng等研究者通過多層次二維空間劃分的方式來刻畫興趣得按的地理位置特性。然而這些工作對興趣點地理空間信息的把握是基于經驗的，事實上完全依賴人為的先驗設置，同時只是對興趣點局部或是全局的地理分布特征做了單一尺度表征，難以有效對興趣點的多尺度空間特性進行描述。大量的數據分析表明，興趣點本身的訪問時間也呈現出多樣性，這種興趣點時間維度特性也起到輔助推薦決策的作用。在這一基礎上同時考慮興趣點的時間特性與空間特性，也有一些研究基于興趣點空間距離與訪問時間間隔的分析提出了一系列興趣點推薦方法。如Li、Nabitumruksa、Zhao等提出了一種基于遞歸神經網絡的基于時間-空間轉移建模的興趣點推薦系統。盡管如此，這些工作在考慮興趣點時空特性的過程中使用了一般化的時間間隔與空間位移，未能充分挖掘興趣點本身的時空特性以幫助推薦。另外，由于某些基于位置的社交平臺提供了帶位置標簽的推送文本信息，也有研究者利用興趣點相關的文本信息推薦下一個興趣點。不過這類方法的局限性也是顯而易見的，對于不能提供文本信息的大多數情況，這類方法的推薦性能大為下降。

發明內容

本發明的目的是提供一種基于類腦時空感知表征的興趣點推薦方法及系統，通過挖掘興趣點本身的時空復雜特性、訪問序列特性，使用大腦內嗅-海馬結構啟發的類腦時空感知嵌入模型，對興趣點進行多角度的高效表征。

為實現上述目的，本發明提供了如下方案：

一種基于類腦時空感知表征的興趣點推薦方法，包括：

基于興趣點訪問數據集構建興趣點上下文圖結構；所述興趣點上下文圖結構包括包括興趣點的訪問序列上下文圖、空間上下文圖以及時空上下文圖；

對所述訪問序列的上下文圖進行采樣，得到興趣點采樣樣本；