System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及数据处理,尤其涉及一种兴趣点推荐方法、装置、设备及存储介质。
技术介绍
1、在各种导航、地图类软件中,经常需要结合用户的兴趣喜好为用户推荐poi(pointof interest,兴趣点)。通常基于poi本身和其品牌、分类等poi基本信息,以及用户基础信息构建知识图谱,因此,知识图谱的推荐系统中具有依靠大量用户和poi的基础信息建立起的poi之间的关联关系,从而能够依据建立的知识图谱来探究用户的兴趣喜好。
2、然而,现有的方案仍然存在一定的缺陷。首先,知识图谱的关系丰富程度将直接影响对用户喜好的推断。其次,在利用深度学习计算poi的推荐度时,每个用户对应的历史信息不同,在基于知识图谱进行兴趣推荐的过程中,难以解决数据长度问题在计算过程中带来的干扰,从而影响最后兴趣点推荐度的确定结果。最后,由于深度学习网络在部署推荐时,有较高的计算复杂度,对硬件要求高,且计算时间较长,从而导致对兴趣点推荐的确定过程效率较低。
技术实现思路
1、本专利技术提供了一种兴趣点推荐方法、装置、设备及存储介质,以提高兴趣点推荐结果的确定准确度和确定效率。
2、根据本专利技术的一方面,提供了一种兴趣点推荐方法,所述方法包括:
3、确定目标知识图谱;所述目标知识图谱中包括多个兴趣点poi节点与至少一种属性节点之间的关联关系;
4、获取待预测用户的用户位置信息和历史访问poi;
5、根据所述待预测用户的用户位置信息,确定至少一个待推荐poi;
6、确定所述待预测用户的历史访问poi在所述目标知识图谱上扩散得到的至少一个节点扩散层下的用户节点集合和用户标记向量,以及确定所述待推荐poi在所述目标知识图谱上扩散得到的至少一个节点扩散层下的待推荐节点集合和待推荐节点标记向量;
7、将所述待预测用户的用户节点集合、用户标记向量,以及各所述待推荐poi的待推荐节点集合和待推荐节点标记向量分别输入至兴趣点得分预测模型中进行得分预测,得到所述待预测用户分别与各所述待推荐poi之间的推荐度得分;
8、根据所述待预测用户分别与各所述待推荐poi之间的推荐度得分,确定目标推荐poi。
9、根据本专利技术的另一方面,提供了一种兴趣点推荐装置,所述装置包括:
10、目标知识图谱确定模块,用于确定目标知识图谱;所述目标知识图谱中包括多个兴趣点poi节点与至少一种属性节点之间的关联关系;
11、信息获取模块,用于获取待预测用户的用户位置信息和历史访问poi;
12、待推荐poi确定模块,用于根据所述待预测用户的用户位置信息,确定至少一个待推荐poi;
13、标记向量确定模块,用于确定所述待预测用户的历史访问poi在所述目标知识图谱上扩散得到的至少一个节点扩散层下的用户节点集合和用户标记向量,以及确定所述待推荐poi在所述目标知识图谱上扩散得到的至少一个节点扩散层下的待推荐节点集合和待推荐节点标记向量;
14、推荐度得分确定模块,用于将所述待预测用户的用户节点集合、用户标记向量,以及各所述待推荐poi的待推荐节点集合和待推荐节点标记向量分别输入至兴趣点得分预测模型中进行得分预测,得到所述待预测用户分别与各所述待推荐poi之间的推荐度得分;
15、目标推荐poi确定模块,用于根据所述待预测用户分别与各所述待推荐poi之间的推荐度得分,确定目标推荐poi。
16、根据本专利技术的另一方面,提供了一种电子设备,所述电子设备包括:
17、至少一个处理器;以及
18、与所述至少一个处理器通信连接的存储器;其中,
19、所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本专利技术任一实施例所述的兴趣点推荐方法。
20、根据本专利技术的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的兴趣点推荐方法。
21、本专利技术实施例技术方案通过确定目标知识图谱,获取待预测用户的用户位置信息和历史访问poi;根据待预测用户的用户位置信息,确定至少一个待推荐poi;确定待预测用户的历史访问poi在目标知识图谱上扩散得到的至少一个节点扩散层下的用户节点集合和用户标记向量,以及确定待推荐poi在所述目标知识图谱上扩散得到的至少一个节点扩散层下的待推荐节点集合和待推荐节点标记向量;将用户节点集合、用户标记向量,以及各待推荐节点集合和待推荐节点标记向量分别输入至兴趣点得分预测模型中进行得分预测,得到待预测用户分别与各所述待推荐poi之间的推荐度得分;根据待预测用户分别与各待推荐poi之间的推荐度得分,确定目标推荐poi。上述技术方案通过为每一个节点扩散层生成等长度的用户节点集合、用户标记向量、待推荐节点集合和待推荐节点标记向量,解决的数据长度问题对计算过程的干扰,从而避免了数据长度问题对兴趣点推荐结果产生的影响。此外,本专利技术实施例的方式在确定兴趣点推荐得分的过程中引入标记向量,提高了推荐结果确定准确度;通过将poi在知识图谱上进行扩散,并将扩散得到的节点集合和相应的标记向量经过训练得到的兴趣点得分预测模型进行计算得到待预测用户和待推荐poi分别对应的特征向量,将该特征向量进行存储并在后续应用过程中直接使用可以解决推荐度确结果效率问题。
22、应当理解,本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征,也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种兴趣点推荐方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述确定目标知识图谱,包括:
3.根据权利要求2所述的方法,其特征在于,所述节点属性信息包括节点位置信息和节点类别信息;
4.根据权利要求2所述的方法,其特征在于,所述节点属性信息包括节点位置信息;
5.根据权利要求2所述的方法,其特征在于,所述节点属性信息包括节点名称信息;
6.根据权利要求1所述的方法,其特征在于,所述确定所述待预测用户的历史访问POI在所述目标知识图谱上扩散得到的至少一个节点扩散层下的用户节点集合和用户标记向量,以及确定所述待推荐POI在所述目标知识图谱上扩散得到的至少一个节点扩散层下的待推荐节点集合和待推荐节点标记向量,包括:
7.根据权利要求1所述的方法,其特征在于,所述兴趣点得分预测模型包括用户特征提取模块、预测POI特征提取模块和得分确定模块;
8.根据权利要求7所述的方法,其特征在于,所述用户特征提取模块包括初始层特征提取子模块、其他层特征提取子模块和向量合并子模块;所述节点扩散层
9.根据权利要求8所述的方法,其特征在于,所述将所述初始节点扩散层下的用户节点集合和用户标记向量,输入至初始层特征提取子模块进行特征提取,得到所述待预测用户的初始层特征向量,包括:
10.根据权利要求8所述的方法,其特征在于,所述其他层特征提取子模块包括多层感知机MLP单元、节点权重确定单元和其它层特征向量确定单元;
11.根据权利要求10所述的方法,其特征在于,所述将所述其他节点扩散层下的用户标记向量和所述MLP单元输出的用户节点初始权重,输入至所述用户权重确定单元进行权重确定,得到用户节点目标权重,包括:
12.一种兴趣点推荐装置,其特征在于,包括:
13.一种电子设备,其特征在于,所述电子设备包括:
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-11中任一项所述的兴趣点推荐方法。
...【技术特征摘要】
1.一种兴趣点推荐方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述确定目标知识图谱,包括:
3.根据权利要求2所述的方法,其特征在于,所述节点属性信息包括节点位置信息和节点类别信息;
4.根据权利要求2所述的方法,其特征在于,所述节点属性信息包括节点位置信息;
5.根据权利要求2所述的方法,其特征在于,所述节点属性信息包括节点名称信息;
6.根据权利要求1所述的方法,其特征在于,所述确定所述待预测用户的历史访问poi在所述目标知识图谱上扩散得到的至少一个节点扩散层下的用户节点集合和用户标记向量,以及确定所述待推荐poi在所述目标知识图谱上扩散得到的至少一个节点扩散层下的待推荐节点集合和待推荐节点标记向量,包括:
7.根据权利要求1所述的方法,其特征在于,所述兴趣点得分预测模型包括用户特征提取模块、预测poi特征提取模块和得分确定模块;
8.根据权利要求7所述的方法,其特征在于,所述用户特征提取模块包括初始层特征提取子模块、...
【专利技术属性】
技术研发人员:于强,李明凯,石山山,刘禄,范俊,李滨,徐小光,
申请(专利权)人:沈阳美行科技股份有限公司,
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。