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：辽宁师范大学

摘要：本发明公开一种基于空间和社交感知的长尾用户兴趣点推荐算法，步骤如下：从用户的行动轨迹数据中提取长尾用户的原始兴趣点POI签到序列；利用POI之间的空间‑社交相关度为每一个POI提取其关联POI；构建的序列增强算子，并利用关联POI产生面向长尾用户原始POI签到序列的不同变体；以Transformer为编码器，建立对比学习模型对不同变体进行训练；利用训练好的对比学习模型产生长尾用户原始POI签到序列的嵌入；将长尾用户原始POI签到序列的嵌入与长尾用户未签到POI的嵌入进行内积得到预测评分，将预测评分最高的前N个POI推荐给长尾用户；可提高面向长尾用户的POI推荐精度。

主权项：1.一种基于空间和社交感知的长尾用户兴趣点推荐算法，其特征在于按照如下步骤进行：步骤1.从用户的行动轨迹数据中提取长尾用户的原始兴趣点按照签到序列长度降序排列所有用户，从最短的序列开始累积其序列总长度，将占签到总数20％的用户集合内的用户定义为长尾用户，从长尾用户的行动轨迹数据中提取长尾用户的原始兴趣点签到序列；令用户集合为U＝{u1,u2,…,u|U|}，其中|U|表示用户的总数目；POI集合为O＝{o1,o2,…,o|O|}，其中|O|表示POI的总数目；长尾用户u的原始兴趣点签到序列为其中ou,t表示长尾用户u在时刻t签到的POI，|su|表示长尾用户u签到的序列总长度；步骤2.利用POI之间的空间-社交相关度为每一个POI提取其关联POI令用户签到矩阵为A|U|×|O|，其中等于1当且仅当用户ux签到过oi，否则其值为0；令用户社交关系矩阵为R|U|×|U|，其中等于1当且仅当用户ux和用户uy之间存在朋友关系，否则其值为0；令POI之间的距离矩阵为D|O|×|O|，其中表示oi和oj之间的距离；令用户ux签到过的POI集合为Dux，签到过oi的用户集合为Doi；首先利用用户签到矩阵计算POI和用户之间的关联度，令oi的初始值为foi，通过用户签到矩阵传输到用户ux的值gux如公式1所示： 其次，利用用户社交关系矩阵计算用户和用户之间的关联度，用户ux的值gux通过用户社交关系矩阵传输到用户uy的值gsocuy如公式2所示： 接下来，利用用户签到矩阵计算用户和POI之间的关联度，用户uy的值gsocuy通过用户签到矩阵传输到POIoj的值hoj如公式3所示： 最后，利用POI之间的距离矩阵计算POI和POI之间的关联度，POIok的值hoj传输到POIoi的值hdisok如公式4所示： 基于公式4得到ok和oi空间-社交相关度如公式5所示： 计算每一对POI之间的空间-社交相关度，为每一个POIoi选择与其空间-社交相关度最高的POI作为其关联POI步骤3.构建序列增强算子，并利用关联POI产生面向长尾用户原始POI签到序列的不同变体对于长尾用户u的原始兴趣点签到序列为构建与其对应相同长度的随机取代索引其中rdt的值为0或1，rdt＝1表示POIou,t将被其关联POI取代，通过随机取代索引构建序列增强算法Replace*，当随机取代索引中rdt＝1并且其他值为0时，通过序列增强算子产生的长尾用户原始POI签到序列su的变体如公式6所示： 步骤4.以Transformer为编码器，建立对比学习模型SSL对不同变体进行训练通过序列增强算子为长尾用户u产生不同的变体对利用Transformer对变体和进行编码得到其嵌入和利用公式7所示softmax交叉熵损失函数LSSL对模型SSL进行优化。 步骤5.利用训练好的对比学习模型产生长尾用户原始POI签到序列su的嵌入如公式8所示： 步骤6.将长尾用户原始POI签到序列的嵌入与长尾用户未签到POI的嵌入eo进行内积得到如公式9所示的预测评pu,o，将预测评分最高的前N个POI推荐给长尾用户u；

全文数据：

权利要求：

百度查询： 辽宁师范大学 一种基于空间和社交感知的长尾用户兴趣点推荐算法