【技术实现步骤摘要】
本专利技术涉及行为预测，特别是涉及一种位置增强与时间感知的人类在线行为预测方法及系统。
技术介绍
1、随着社交媒体的流行以及定位技术和智能产品的不断革新，人们享受社交网络带来的服务也越来越频繁。预测人类在线行为的目的是向用户推荐用户感兴趣的项目。到目前为止，它们在许多web应用程序中都取得了巨大的成功。从网络应用程序中收集的大量用户行为记录为推荐系统实现准确推荐提供了前所未有的机会。在线用户行为的时间对于捕捉序列模式以开发更好的推荐系统至关重要。作为一种新兴的推荐场景，基于历史行为序列预测用户未来行为的序列推荐(或称下一项推荐)在学术和工业领域越来越受到关注。
2、大部分现有的序列推荐算法(或模型)侧重于按交互时间排序的单向用户行为序列结构，最先进的技术是基于神经网络的方法，包括rnn和transformer等，尽管它们在序列推荐任务中可以获得良好的结果，但它们仍然存在两个缺点。首先，他们中的大多数只考虑用户行为的时间动态性，而忽略了项目属性的时间动态性。正如我们所知，项目具有静态特性，这些特性不会随着时间的推移而变化，也不...
【技术保护点】
1.一种位置增强与时间感知的人类在线行为预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户签到行为特征嵌入，包括用户嵌入、项目嵌入、时间嵌入和位置嵌入。
3.根据权利要求2所述的方法，其特征在于，所述用户嵌入和所述项目嵌入是通过行为预测网络模型训练生成并随机初始化；基于所述用户签到行为特征的所有历史交互创建用户的嵌入矩阵以及项目的嵌入矩阵；通过对用户和项目索引执行直接查找操作以获得用户的用户嵌入和项目的项目嵌入。
4.根据权利要求3所述的方法，其特征在于，所述卷积层，包括位置增强和时间感...
【技术特征摘要】
1.一种位置增强与时间感知的人类在线行为预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户签到行为特征嵌入，包括用户嵌入、项目嵌入、时间嵌入和位置嵌入。
3.根据权利要求2所述的方法，其特征在于，所述用户嵌入和所述项目嵌入是通过行为预测网络模型训练生成并随机初始化；基于所述用户签到行为特征的所有历史交互创建用户的嵌入矩阵以及项目的嵌入矩阵；通过对用户和项目索引执行直接查找操作以获得用户的用户嵌入和项目的项目嵌入。
4.根据权利要求3所述的方法，其特征在于，所述卷积层，包括位置增强和时间感知的图卷积以及自注意力聚合器；其中，所述自注意力聚合器，包括多个相同的非线性层，每个非线性层包含一个自注意力层、一个前馈层和一个普通注意力层。
5.根据权利要求1所述的方法，其特征在于，所述方法，还包括将二分类交叉熵作为损失函数对所述行为预测网络模型进行训练。
【专利技术属性】
技术研发人员：黄立威，刘艳博，吕守业，田菁，张一鸣，聂婧，栾奇骏，
申请(专利权)人：北京市遥感信息研究所，
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。