兴趣点POI推荐模型的训练方法、装置和电子设备制造方法及图纸

本申请公开了一种兴趣点POI推荐模型的训练方法、装置和电子设备，涉及人工智能和大数据技术领域。具体实现方案为：在训练生成POI推荐模型时，正是因为考虑到用户对POI的偏好信息和不同层级的POI之间的关系会影响POI推荐的准确度，因此，在训练生成POI推荐模型时，先获取用户对POI的偏好信息和不同层级的POI之间的关系，并根据用户对POI的偏好信息和不同层级的POI之间的关系，训练生成的POI推荐模型，从而提高了POI推荐模型的准确度，这样在基于准确度较高的POI推荐模型进行POI推荐时，还可以有效地提高POI推荐的准确度。

【技术实现步骤摘要】
兴趣点POI推荐模型的训练方法、装置和电子设备
本申请涉及人工智能和大数据
，尤其涉及一种兴趣点POI推荐模型的训练方法、装置和电子设备。
技术介绍
兴趣点(PointOfInterest，POI)泛指一切可以抽象为点的地理对象，尤其是一些与人们生活密切相关的地理实体，例如，学校、银行、餐馆、加油站、医院或者超市等。POI推荐的主要功能为基于POI推荐模型向用户推荐特定的兴趣点，例如，餐馆，酒店、风景区等，从而为用户提供便利。现有技术中，在基于POI推荐模型向用户推荐POI时，该现有的POI推荐模型是将所有的POI视为单独个体进行推荐，由于现有的POI推荐模型的准确度较低，使得在基于准确度较低的POI推荐模型进行POI推荐时，也会导致POI推荐的准确度较低。
技术实现思路
本申请提供了一种兴趣点POI推荐模型的训练方法、装置和电子设备，提高了POI推荐模型的准确度，这样在基于准确度较高的POI推荐模型进行推荐时，也提高了POI推荐的准确度。根据本申请的一方面，提供了一种兴趣点POI推荐模型的训练本文档来自技高网...

【技术保护点】
1.一种兴趣点POI推荐模型的训练方法，包括：/n采集POI样本数据；/n分别获取多个用户对所述POI样本数据中的POI的偏好信息，和所述POI样本数据中不同层级的POI之间的关系；其中，不同层级的POI是基于地理实体概念划分得到；/n根据所述多个用户对POI的偏好信息和所述不同层级的POI之间的关系，训练生成POI推荐模型。/n

【技术特征摘要】
1.一种兴趣点POI推荐模型的训练方法，包括：
采集POI样本数据；
分别获取多个用户对所述POI样本数据中的POI的偏好信息，和所述POI样本数据中不同层级的POI之间的关系；其中，不同层级的POI是基于地理实体概念划分得到；
根据所述多个用户对POI的偏好信息和所述不同层级的POI之间的关系，训练生成POI推荐模型。


2.根据权利要求1所述的方法，所述获取多个用户对所述POI样本数据中的POI的偏好信息，包括：
分别获取所述多个用户的属性信息，并获取各用户到具有与所述POI的各类型信息相同的POI的访问数据；
根据所述多个用户的属性信息，和所述各用户到具有与所述POI的各类型信息相同的POI的访问数据，确定所述多个用户对POI的偏好信息。


3.根据权利要求2所述的方法，所述根据所述多个用户的属性信息，和所述各用户到具有与所述POI的各类型信息相同的POI的访问数据，确定所述多个用户对POI的偏好信息，包括：
根据所述多个用户的属性信息，以及各属性信息对应的属性规则，构造第一直接属性矩阵；
根据所述各用户到具有与所述POI的各类型信息相同的POI的访问数据，构造第一逆属性矩阵；
依次连接所述第一直接属性矩阵和所述第一逆属性矩阵，确定用于描述所述多个用户对POI的偏好信息的属性矩阵。


4.根据权利要求1所述的方法，获取所述POI样本数据中不同层级的POI之间的关系，包括：
分别获取每一层POI的类型信息，并获取所述每一层POI中各POI被具有与所述多个用户的属性信息相同的用户访问的访问数据；
根据所述每一层POI的类型信息和所述每一层POI中各POI被具有与所述多个用户的属性信息相同的用户访问的访问数据，确定所述不同层级的POI之间的关系。


5.根据权利要求4所述的方法，所述根据所述每一层POI的类型信息和所述每一层POI中各POI被具有与所述多个用户的属性信息相同的用户访问的访问数据，确定所述不同层级的POI之间的关系，包括：
根据所述每一层POI的类型信息，以及各类型信息对应的类型规则，构造第二直接属性矩阵；
根据所述每一层POI中各POI被具有与所述多个用户的属性信息相同的用户访问的访问数据，构造第二逆属性矩阵；
依次连接所述第二直接属性矩阵和所述第二逆属性矩阵，确定用于描述所述不同层级的POI之间的关系的属性矩阵。


6.根据权利要求1-5任一项所述的方法，所述根据所述多个用户对POI的偏好信息和所述不同层级的POI之间的关系，训练生成POI推荐模型，包括：
将所述多个用户对POI的偏好信息和所述不同层级的POI之间的关系，输入至目标损失模型中，得到所述各用户对POI的目标偏好信息和所述不同层级的POI之间的目标关系；其中，所述目标损失模型用于指示所述POI推荐模型的优化目标；
根据所述各用户对POI的目标偏好信息和所述不同层级的POI之间的目标关系，训练生成所述POI推荐模型。


7.根据权利要求6所述的方法，所述不同层级的POI通过POI树结构表示，所述将所述多个用户对POI的偏好信息和所述不同层级的POI之间的关系，输入至目标损失模型中，得到所述各用户对POI的目标偏好信息和所述不同层级的POI之间的目标关系，包括：
将所述多个用户对POI的偏好信息和所述不同层级的POI之间的关系，输入至中，得到所述各用户对POI的目标偏好信息和所述不同层级的POI之间的目标关系；
其中，L表示所述POI树的层数，l表示POI树中的第l层，J表示所述POI推荐模型的优化目标，Uu用于描述所述各用户对POI的目标偏好信息，X用于描述所述各用户对POI的偏好信息，Up用于描述所述不同层级的POI之间的目标关系，Yl用于描述所述不同层级的POI之间的关系，VT用于...

【专利技术属性】
技术研发人员：周景博，熊辉，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11