买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于自适应图与未来偏好的下一个兴趣点推荐方法，包括如下步骤：准备兴趣点历史签入数据集，数据集包括用户历史签入地点，签入时间，签入地点类别等信息，并对数据进行标准化处理；初始化POI节点嵌入信息，利用自适应图进行全局邻接矩阵的构建，利用相似度函数和卷积网络得到兴趣点最终嵌入表达；将时空节点编码信息与其他侧信息融合兴趣点嵌入表达，引入自注意机制，编码得到用户的长期偏好；之后利用长短期记忆递归神经网络，融合兴趣点的侧信息，引入注意力机制，得到用户的短期偏好；随后将长期偏好与短期偏好以自组装方式，加入注意力机制，以下一步时间时刻编码作为查询向量，捕捉下一个兴趣点的关联关系。本发明选择自适应图和图神经网络，可以对真实的兴趣点进行关联捕获，具有很好的推荐性能。

主权项：1.一种基于自适应图与未来偏好的下一个兴趣点推荐方法，包括如下步骤：步骤1，准备用户历史签入数据集，历史数据集包含签入地点经纬度，签入地点的类别，签入地点的时间等数据值，建立预处理的方法，构建用户的历史签入轨迹，以及初始的兴趣点邻接矩阵，得到初始输入数据。步骤2，构建兴趣点的最终嵌入表达，其输入为兴趣点的初始嵌入向量，利用POI的初始嵌入表示，将余弦相似度作为度量函数，通过相似性度量学习自适应图的邻接矩阵，从而自动推断兴趣点之间的潜在地理关系并引入了一个阈值来对图进行稀疏化处理，并且在此基础上，对邻域信息进行了卷积聚合，得到兴趣点的最终嵌入表示并作为后续的输入。步骤3，构建用户长期偏好其输入为兴趣点最终嵌入表达与其他侧信息的初始嵌入进行连接得到的输入数据x所构成的用户n-1天内的历史轨迹数据其中表示由多个嵌入数据形成的用户单天用户轨迹，然后构建用户嵌入轨迹的空间间隔矩阵与时间间隔矩阵，将时空间隔矩阵编码得到时空权重ωT,ωD。其次，利用自注意力机制，以用户特定天数内的轨迹数据为输入，得到节点之间的关联权重，得到用户的长期偏好步骤4，构建用户长期偏好Hshort，其输入为当天用户的历史轨迹利用长短期记忆递归神经网络LSTM，构建用户的短期偏好Hshort。步骤5，构建用户未来偏好，考虑用户的自我活动计划，引入注意力机制，通过未来时刻嵌入表达作为查询向量，以长期偏好的隐藏状态矩阵作为内容向量，从用户的日常周期性行为中提取潜在的未来行为，获得未来时间偏好权重，这隐含模拟了用户的活动时间表将得到的时间偏好权重与短期偏好Hshort结合，并以用户嵌入作为查询向量，得到用户未来偏好Hf，学习用户偏好的概率分布，得到最终的预测结果。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于自适应图与未来偏好的下一个兴趣点推荐方法