【技术实现步骤摘要】
一种融合天气信息的门控循环神经网络兴趣点推荐方法
本专利技术涉及个性化推荐
，具体涉及一种融合天气信息的门控循环神经网络兴趣点推荐方法。
技术介绍
互联网的出现和普及给用户带来了大量的信息，满足了用户在信息时代对信息的需求，使得人们的生活越来越离不开网络，越来越多的人选择在网络上进行娱乐或购物。但随着网络的迅速发展而带来的网上信息量的大幅增长，使得用户在面对大量信息时无法从中获得对自己真正有用的那部分信息，对信息的使用效率反而降低了。面对日益扩大的用户需求，以及越来越丰富的资源，如何能够充分理解用户的需求，快捷地为用户找到自己需要的资源，成为吸引用户的一个有力手段。基于此需求，个性化推荐技术渐渐受到重视，如今已经进入一个成熟发展的阶段。个性化推荐技术，是用户行为分析技术的一个重要方面，简单的说，它是根据用户的信息需求、兴趣等，将用户感兴趣的信息、产品等推荐给用户，为用户找到他可能感兴趣的资源的个性化信息推荐系统。和搜索引擎相比推荐系统通过研究用户的兴趣偏好，进行个性化计算，由系统发现用户的兴趣点，从而引导用户发现自己的信息需求。为了实现个性化的资源推荐，必须...
【技术保护点】
1.一种融合天气信息的门控循环神经网络兴趣点推荐方法，其特征在于，所述方法包括以下步骤：S1、获取用户的历史地点签到数据，得到用户u的地点访问历史记录Pu，进而得到所有用户的地点访问历史记录PU，并对地点进行one‑hot编码；S2、根据访问地点的地理位置距离，得到多个距离矩阵Dd；S3、通过天气网站的API获得历史签到时间点对应的天气信息，计算得到天气变化速率矩阵V；S4、针对兴趣点推荐问题对经典门控循环神经网络中的门控循环单元GRU进行修改，将重置门与更新门计算方法与天气信息进行融合，得到V‑GRU；S5、提出一个基于V‑GRU构建的多层循环神经网络框架DV‑RNN；S...
【技术特征摘要】
1.一种融合天气信息的门控循环神经网络兴趣点推荐方法，其特征在于，所述方法包括以下步骤：S1、获取用户的历史地点签到数据，得到用户u的地点访问历史记录Pu，进而得到所有用户的地点访问历史记录PU，并对地点进行one-hot编码；S2、根据访问地点的地理位置距离，得到多个距离矩阵Dd；S3、通过天气网站的API获得历史签到时间点对应的天气信息，计算得到天气变化速率矩阵V；S4、针对兴趣点推荐问题对经典门控循环神经网络中的门控循环单元GRU进行修改，将重置门与更新门计算方法与天气信息进行融合，得到V-GRU；S5、提出一个基于V-GRU构建的多层循环神经网络框架DV-RNN；S6、通过输入层，将用户在之前时刻访问的地点编码、相应的距离矩阵以及天气变化速率矩阵V输入到神经网络之中；通过输出层，计算得到用户在当前时刻访问地点的概率分布，进而得到推荐结果。2.根据权利要求1所述的融合天气信息的门控循环神经网络兴趣点推荐方法，其特征在于：步骤S1中，用户u的地点访问历史记录Pu和所有用户的地点访问历史记录PU的构建方法具体为：设表示用户u在ti时刻访问的地点，则用户u的地点访问历史记录记录所有用户的地点访问历史记录3.根据权利要求1所述的融合天气信息的门控循环神经网络兴趣点推荐方法，其特征在于：步骤S2中，距离矩阵Dd为一个能够通过神经网络进行学习得到的参数矩阵，下标d代表具体的距离值，假设地点p的坐标为{xp，yp}，则下标4.根据权利要求1所述的融合天气信息的门控循环神经网络兴趣点推荐方法，其特征在于：步骤S3中，设获取到的ti时刻的天气信息向量为tj时刻的天气信息向量为首先使用余弦相似度衡量其相似性计算方法为：其中，k表示当前时刻天气信息向量的第k维，n表示天气信息向量的维数，然后使用如下公式计算得到ti...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。