【技术实现步骤摘要】
兴趣点推荐方法和兴趣点推荐模型的训练方法、装置
[0001]本公开涉及人工智能领域,具体涉及大数据、度量学习和深度学习等
,可应用于智能推荐等场景。
技术介绍
[0002]随着互联网技术和信息技术的不断发展,旨在为用户提供便利的各种信息推荐类应用得到快速发展。其中,兴趣点(Point
‑
of
‑
Interest,POI)的推荐旨在为用户提供可能感兴趣的地点,以提高用户出行的便利性。例如,在用户到不熟悉的区域时,借助推荐的兴趣点,用户可以更有效地做出出行决定。
技术实现思路
[0003]本公开旨在提供一种提高推荐效果的兴趣点推荐方法和兴趣点推荐模型的训练方法、装置、电子设备、存储介质。
[0004]根据本公开的一个方面,提供了一种兴趣点推荐方法,包括:根据目标对象对常驻区域的访问数据和多个兴趣点所属区域的访问记忆特征,确定目标对象的偏好特征;根据偏好特征与多个兴趣点中每个兴趣点的空间约束特征之间的差异,确定多个兴趣点中针对目标对象的待推荐兴趣点,其中,区域的访问记忆特征是根据参考对象对区域的访问数据确定的,区域为针对参考对象的异地区域;空间约束特征是根据多个兴趣点彼此之间的位置关系确定的。
[0005]根据本公开的另一个方面,提供了一种兴趣点推荐模型的训练方法,兴趣点推荐模型包括偏好特征提取子模型,训练方法包括:根据目标对象对常驻区域的第一历史访问数据和多个兴趣点所属区域的访问记忆特征,采用偏好特征提取子模型得到目标对象的偏好特征;根据目标对象对 ...
【技术保护点】
【技术特征摘要】
1.一种兴趣点推荐方法,包括:根据目标对象对常驻区域的访问数据和多个兴趣点所属区域的访问记忆特征,确定所述目标对象的偏好特征;以及根据所述偏好特征与所述多个兴趣点中每个兴趣点的空间约束特征之间的差异,确定所述多个兴趣点中针对所述目标对象的待推荐兴趣点,其中,区域的访问记忆特征是根据参考对象对所述区域的访问数据确定的,所述区域为针对所述参考对象的异地区域;所述空间约束特征是根据所述多个兴趣点彼此之间的位置关系确定的。2.根据权利要求1所述的方法,其中,所述根据目标对象对常驻区域的访问数据和多个兴趣点所属区域的访问记忆特征,确定所述目标对象的偏好特征包括:根据所述目标对象对所述常驻区域的访问数据,确定所述目标对象针对所述常驻区域的访问特征;根据所述访问特征和所述多个兴趣点所属区域中每个区域的访问记忆特征,确定所述每个区域与所述目标对象之间的关联强度;以所述关联强度为权重,根据所述多个兴趣点所属区域的访问记忆特征确定所述目标对象对所述多个兴趣点所属区域的群体记忆特征;以及根据所述访问特征和所述群体记忆特征,确定所述目标对象的偏好特征。3.根据权利要求2所述的方法,其中,所述根据所述访问特征和所述群体记忆特征,确定所述目标对象的偏好特征包括:根据映射矩阵对所述访问特征进行转移处理,得到转移后访问特征;以及根据所述转移后访问特征和所述群体记忆特征,确定所述目标对象的偏好特征,其中,所述映射矩阵与所述目标对象的常驻区域相对应。4.根据权利要求3所述的方法,其中,所述根据所述偏好特征与所述每个兴趣点的空间约束特征之间的差异,确定所述多个兴趣点中针对所述目标对象的待推荐兴趣点包括:根据所述映射矩阵对所述每个兴趣点的空间约束特征进行转移处理,得到所述每个兴趣点的转移后约束特征;以及确定所述多个兴趣点中所述转移后约束特征与所述偏好特征之间的差异较小的第一预定数量个兴趣点,得到所述待推荐兴趣点。5.根据权利要求2所述的方法,其中,所述根据所述访问特征和所述多个兴趣点所属区域中每个区域的访问记忆特征,确定所述每个区域与所述目标对象之间的关联强度包括:针对所述每个区域,采用第一激活函数对所述每个区域的访问记忆特征和所述访问特征进行处理,得到所述每个区域与所述目标对象之间的关联特征;以及根据所述每个区域与所述目标对象之间的关联特征和所述多个兴趣点所属区域分别与所述目标对象之间的关联特征,确定所述每个区域与所述目标对象之间的关联强度。6.根据权利要求5所述的方法,其中,所述每个区域的访问记忆特征包括存储在第二预定数量个插槽的第二预定数量个子特征;所述针对所述每个区域,采用第一激活函数对所述每个区域的访问记忆特征和所述访问特征进行处理,得到所述每个区域与所述目标对象之间的关联特征包括:采用注意力机制对所述访问特征和所述第二预定数量个子特征中的每个子特征进行
处理,得到所述每个子特征与所述目标对象之间的子关联强度;以所述子关联强度为权重,根据所述第二预定数量个子特征确定所述目标对象对所述每个区域的记忆特征;以及采用所述第一激活函数对所述记忆特征和所述访问特征进行处理,得到所述每个区域与所述目标对象之间的关联特征。7.根据权利要求6所述的方法,其中,所述采用注意力机制对所述访问特征和所述第二预定数量个子特征中每个子特征进行处理,得到所述每个子特征与所述目标对象之间的子关联强度包括:采用第二激活函数对所述访问特征和所述每个子特征进行处理,得到所述每个子特征与所述目标对象之间的子关联特征;以及根据所述每个子特征与所述目标对象之间的子关联特征和所述第二预定数量个子特征分别与所述目标对象之间的子关联特征,确定所述每个子特征与所述目标对象之间的子关联强度。8.根据权利要求2所述的方法,其中,所述根据所述目标对象对所述常驻区域的访问数据,确定所述目标对象针对所述常驻区域的访问特征包括:根据所述目标对象对所述常驻区域的访问数据,确定所述常驻区域中被访问的目标兴趣点及所述目标兴趣点的被访问次数;以及根据所述被访问次数,聚合所述目标兴趣点的空间约束特征,得到所述访问特征,其中,所述多个兴趣点包括所述目标兴趣点。9.根据权利要求1所述的方法,还包括通过以下操作来根据所述多个兴趣点彼此之间的位置关系,确定所述每个兴趣点的空间约束特征:根据所述多个兴趣点彼此之间的位置关系,确定所述多个兴趣点彼此之间的关联关系;根据所述多个兴趣点彼此之间的关联关系和所述多个兴趣点各自的特征数据,确定针对所述多个兴趣点的空间图;以及以所述特征数据为观察变量,以所述空间约束特征为随机变量,将所述空间图输入条件随机场模型,得到所述多个兴趣点中每个兴趣点的空间约束特征。10.根据权利要求9所述的方法,其中,所述条件随机场模型包括吉布斯随机场模型;所述以所述特征数据为观察变量,以所述空间约束特征为随机变量,将所述空间图输入条件随机场模型,得到所述多个兴趣点中每个兴趣点的空间约束特征包括:根据所述每个兴趣点的特征数据与所述每个兴趣点的空间约束特征之间的差异,确定所述吉布斯随机场模型中能量函数的一元势函数;根据所述每个兴趣点的空间约束特征与具有关联关系的兴趣点的空间约束特征之间的差异,确定所述能量函数的二元势函数;以及根据所述观察变量、所述一元势函数和所述二元势函数,确定所述多个兴趣点中每个兴趣点的空间约束特征。11.根据权利要求10所述的方法,其中,与所述每个兴趣点具有关联关系的兴趣点包括多个关联兴趣点;所述根据所述每个兴趣点的空间约束特征与具有关联关系的兴趣点的空间约束特征之间的差异,确定所述能量函数的二元势函数包括:
以空间约束特征为变量,采用注意力机制确定所述每个兴趣点与所述多个关联兴趣点中每个关联兴趣点之间的空间关联度;以及以所述空间关联度为加权系数,对所述每个兴趣点的空间约束特征与所述多个关联兴趣点的空间约束特征之间的多个差异进行加权,得到所述二元势函数。12.根据权利要求10或11所述...
【专利技术属性】
技术研发人员:辛浩然,路新江,窦德景,
申请(专利权)人:百度在线网络技术北京有限公司,
类型:发明
国别省市:
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。