【技术实现步骤摘要】
一种基于时空注意力的双通道神经网络的兴趣点推荐方法
[0001]本专利技术涉及兴趣点推荐系统
，尤其是涉及一种基于时空注意力的双通道神经网络的兴趣点推荐方法。
技术介绍
[0002]兴趣点推荐系统是推荐系统中的一个分支，与传统的推荐系统方法不同，兴趣点推荐系统与现实地理挂钩，与地理位置影响密切，如托布勒的第一条地理定律所述“一切事物都与其他事物相关，但近处的事物比远处的事物更相关”。在兴趣点推荐系统中，托布勒第一地理定律意味着用户更喜欢访问附近的位置而不是遥远的位置，并且用户可能对用户喜欢的兴趣点周围的兴趣点感兴趣。地理影响是兴趣点推荐系统区别于传统推荐系统的最重要特征，严重影响用户的访问行为。此外，在传统的推荐系统中，用户通常通过显式地提供对项目(如书籍、电影、音乐等)的评分来表达他们的偏好，这些项目被转换为用户项目评分矩阵。评级通常为数值，并属于数值范围。评分越高，满意度越高。与传统的推荐系统不同，用户的偏好由位置的签入频率反映，这通常会转换为用户位置签入频率矩阵。与评级相比，频率数据的范围较大。例如，用户可能会在...
【技术保护点】
【技术特征摘要】
1.一种基于时空注意力的双通道神经网络的兴趣点推荐方法，其特征在于，具体步骤如下：步骤S1：数据预处理得到数据集，使得每个用户具有设定数量以上的记录作为输入，每一条记录中包括用户名称、兴趣点名称以及访问时间，将存有所有兴趣点的经纬度信息的数据作为双通道神经网络模型的另一个输入；步骤S2：对兴趣点做嵌入表示；步骤S3：将步骤S1中的数据集输入到时间偏好挖掘与匹配模块中，通过提取每个用户在不同时间戳上的访问频率特征和每个地点在不同时间戳上被访问的频率特征，得到每个用户对每个兴趣点的偏好程度的特征时间偏好挖掘与匹配模块中，通过提取每个用户在不同时间戳上的访问频率特征和每个地点在不同时间戳上被访问的频率特征，得到每个用户对每个兴趣点的偏好程度的特征；步骤S4：将单个用户的记录输入到轨迹意图挖掘模块中，通过一个图神经网络，为用户轨迹建立有向图，通过有向图来传播兴趣点之间的信息，不断更新兴趣点的特征，并且通过一层注意力机制提取该用户轨迹意图的特征；步骤S5：将步骤S3中得到的用户对每个兴趣点的偏好程度特征的嵌入表示与步骤S4中得到的用户轨迹意图特征的嵌入表示相加得到用户最终的偏好特征的嵌入表示，将其与步骤S2中得到的兴趣点的嵌入表示相乘得到用户对每个兴趣点的得分偏好；步骤S6：将步骤S4中的单个用户同时输入到多模态嵌入模块中，与之同时，将兴趣点的经纬度也作为输入，输入到该模块中，通过注意力聚合与匹配机制，得到用户对每个兴趣点的得分；步骤S7：将步骤S5与步骤S6中的得分相加得到最终的得分，通过一个平衡采样来计算损失；步骤S8：重复步骤S3至步骤S7，直至步骤S7得到的损失不再减小，网络参数更新完毕，模型结束训练；步骤S9：将用户的访问序列输入到步骤S8最终得到的训练好的模型中，进行推荐预测，输出最终得到的推荐结果，完成推荐。2.根据权利要求1所述的一种基于时空注意力的双通道神经网络的兴趣点推荐方法，其特征在于，步骤S1具体如下：选取合适的LBSN公共数据集，进行分组以适应模型对数据格式的要求；首先从数据集中提取出每一条记录的用户名称、访问兴趣点名称以及访问兴趣点时间，将其按用户名称合并，得到了一个由用户名称、用户访问兴趣点的序列、用户访问时间的序列组成的一个三元组数据；在训练过程中，除第一个兴趣点外，每一个兴趣点都会成为一次标签，此时它前面所有的兴趣点都作为变量，它后面的兴趣点在训练中不可见，保证时序性，每个用户的最后一个访问兴趣点作为测试标签，它前面的所有兴趣点作为变量。3.根据权利要求1所述的一种基于时空注意力的双通道神经网络的兴趣点推荐方法，其特征在于，通过用户的整体行为记录对用户与兴趣点同时进行时间上的特征提取，并且同将二者的时间偏好相匹配从而获取到用户对于兴趣点的偏好程度。4.根据权利要求3所述的一种基于时空注意力的双通道神经网络的兴趣点推荐方法，其特征在于，在时间偏好挖掘模块中，将用户签到的时间戳序列对一天的小时数24取余，得到用户u
i
的一个24维的签到频率特征；然后将时间戳除以24后对一周的天数7取余，得到用户u
i
的一个7维的签到频率特征；将24维的签到频率特征和7维的签到频率特征拼接起来，得到用户u
i
的一个31维的时间偏好特征u
it
；采用相同方法得到兴趣点I
j
的签到时间偏好特征I
jt
；将所有用户的时间偏好特征集合记为U
t...
【专利技术属性】
技术研发人员：汪森，樊谨，张心怡，朱海斌，刘真，
申请(专利权)人：杭州电子科技大学，
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。