本发明公开了一种基于兴趣点的路径推荐方法、装置,所述方法包括:计算目标用户对目标兴趣点的评分;根据用户对各个兴趣点的评分,计算目标兴趣点与其他兴趣点之间的相似度,选取相似度最高的预设数量个的兴趣点形成相似兴趣点集;统计各个兴趣点的支持度,形成目标兴趣点的关联兴趣点集;确定路径,在各个路径上筛选出路径兴趣点,计算路径兴趣点的平均评分,对各个路径进行评分,根据评分将路径进行输出。采用上述方案,用户对于兴趣点的评分依据停留时间计算,停留时间作为客观依据,准确地反应用户偏好,对关联兴趣点的挖掘结果具有普遍性和高度准确性,后续将兴趣点和路径评估结合,推荐符合用户个人选择偏好的路径。
📄 2021100861477
📂 G01C21_20
👤 南京邮电大学
📅 2021-01-22
一种基于多关系变分对比学习的下一兴趣点推荐方法，涉及人工智能领域，通过构建转置的注意力增强的权重矩阵，增强了模型对用户访问地点信息的理解能力。通过Transformer编码器和GRU网络的结合使用，有效地捕捉和利用用户访问序列中的多层次语义关系，提高了推荐系统的准确性。
📄 2024118738184
📂 G06F16_9535
👤 山东省计算中心(国家超级计算济南中心), 齐鲁工业大学(山东省科学院)
📅 2024-12-19
一种基于人群移动模式先验的兴趣点推荐方法，包括：(1)获取同一时空的城市交通数据、POI数据和用户签到数据，进行数据处理；(2)提取城市中的人群移动模式，设计下游任务对人群移动模式提取模块进行预训练；(3)在深层模型中加入步骤(2)中提取的人群移动模式先验特征；(4)把原始Wide&Deep模型的Wide部分更改为Cross网络，在线性模型部分加入特征交叉层；(5)连接步骤(3)中的Deep网络和步骤(4)中的Cross网络输出，将拼接向量输入到最后的单层感知机中，对最终的目标做拟合，输出用户j在兴趣点i签到的预测分数p。本发明的推荐结果更加符合人类出行意愿，解决了由大量充斥在社交网络上的推广信息给人们出行带来的选择困难问题。
📄 2022109521032
📂 G06F16_9535
👤 浙江工业大学
📅 2022-08-09
本发明公开了一种面向位置社交网络的兴趣点推荐方法，首先，通过在基于用户的协同过滤算法中，融入时间特征，得到基于时间特征和用户协同过滤的兴趣点评分；然后，将基于时间因素的兴趣点流行度的估算融入空间特征去，得到基于空间特征和兴趣点流行度特征的兴趣点评分；最后，将两个评分进行线性组合，得到用户对每个兴趣点的综合推荐评分，从而实现兴趣点推荐。本发明有助于提高推荐精确度，克服了传统的兴趣点推荐或应用基本的协同过滤方法、或在基本的协同过滤算法中引入空间特征，而忽视了时序和兴趣点流行度特征对推荐精确度的影响。
📄 2017105695532
📂 G06F16_9535
👤 南京邮电大学
📅 2017-07-13
本发明公开了一种基于相关矩阵和词向量模型的兴趣点推荐方法。本发明通过参考自然语言处理中训练词向量模型进行用户和兴趣点的向量表示建模，该模型可从用户的签入序列中捕获兴趣点的地理影响。假设一个兴趣点受用户签到序列中其他兴趣点的影响。将每个兴趣点视为“单词”，将每个用户的顺序签到序列视为“句子”，并结合使用自言语言处理中的Skip‑gram词向量模型来训练兴趣点以及用户的潜在表示向量。本发明分别从用户和兴趣点的角度进行融合成一个更好的地理信息模型。为此，在该模型中使用了用户和兴趣点之间的地理距离和用户在相邻兴趣点上的签到频次。通过考虑到相邻兴趣点在模型推荐策略中的影响，解决了签到数据稀疏问题。
📄 2019114252208
📂 G06F16_9535
👤 杭州电子科技大学
📅 2019-12-31
本发明公开了一种空间距离自适应的下一个兴趣点推荐方法。该方法结合马尔科夫链并且能够自适应用户个人偏好进行兴趣点推荐。使用马尔科夫链捕获用户签到序列的时序关系，并且为每个用户生成个性化的转移矩阵用于捕获用户个人偏好。引入张量分解模型解决数据集签到数据稀疏的问题，使每个转移矩阵都受到相似用户、相似兴趣点、用户潜在偏好的影响，生成更完善和高质量的用户转移矩阵，通过这个转移矩阵捕获完善的用户个人偏好和兴趣点之间的转移关系。通过用户签到序列学习用户的个性化潜在行为模式，从而捕获到有效的用户潜在个人偏好。通过融合空间距离的方法对用户长期潜在个人偏信息作出取舍，根据兴趣点间的距离自适应用户个人偏好。
📄 2021100622349
📂 G06F16_9537
👤 杭州电子科技大学
📅 2021-01-18
本发明涉及一种基于跨序列位置解耦表征的兴趣点推荐方法，该方法通过对位置转换的全局观察，探索空间和时间因素如何影响签到行为。具体来说，首先通过数据集中的跨序列轨迹建立空间和时间上的耦合图，并通过图神经网络学习每个地点的解耦表征。该方法不但增强模型的可解释性，还应用了时间掩码数据增强方法和频域学习技术，以进一步缓解生成连续序列引起的短轨迹冷启动问题。在两个真实世界的数据集上的实验表明，与强大的基线相比，该方法具有竞争性的冷启动和推荐能力。
📄 2023105779158
📂 G06F16_9537
👤 重庆大学
📅 2023-05-22
本发明公开了一种基于时空知识图注意力网络的兴趣点推荐方法，属于兴趣点推荐领域，包括以下步骤：S1、建立用户‑兴趣点时空关系图；S2、对用户‑兴趣点时空关系图进行时空知识图嵌入；S3、信息编码；S4、构建时空知识图注意力网络；S5、任务预测。本发明采用上述的一种基于时空知识图注意力网络的兴趣点推荐方法，通过多层非线性特征融合和动态特征更新，捕捉了用户签到兴趣点的动态特征，有效缓解了签到数据高稀疏性和弱语义性问题，从而显著提升了推荐的准确性。
📄 2025100037589
📂 H04L67_55
👤 电子科技大学
📅 2025-03-06
本发明属于社交网络兴趣点推荐领域，具体涉及一种融合用户连续签到行为序列上下文特征的兴趣点推荐方法，该方法包括：获取数据，提取数据的相关属性特征；根据用户对兴趣点的评分信息提取用户和兴趣点的特征向量；将用户连续签到行为序列时空特征信息输入到基于注意力机制的双向网络结构中，得到用户的动态行为偏好；根据用户的动态行为偏好在候选兴趣点列表中选取推荐兴趣点，得到有序推荐集合；在有序推荐集合中选取最优的推荐兴趣点；通过本方法有助于商家掌握用户行为特性分布，分析潜在用户，获得良好的经济、社会效益。
📄 2021101540844
📂 G06Q30_06
👤 重庆邮电大学
📅 2021-02-04
本发明涉及一种基于多重兴趣点对排序的个性化兴趣点推荐方法，属于位置推荐领域。该方法包括：S1获取用户隐式反馈签到数据；S2对用户隐式反馈签到数据进行分析，挖掘用户签到数据的空间分布特征，确定用户的活动区域；S3计算用户对于各活动区域兴趣点的偏好，并将用户的历史签到数据划分为三种样本；S4将三种样本数据作为多重兴趣点对排序模型的训练数据，采用随机梯度下降算法对模型参数进行迭代学习，获得用户对不同兴趣点的偏好程度；S5根据用户对兴趣点偏好程度的高低向用户推荐一定数量的兴趣点列表。本发明缓解了签到数据稀疏性的影响，同时有助于挖掘用户具有潜在偏好的兴趣点，从而使兴趣点推荐的精确度得到提升。
📄 201911115322X
📂 G06F16_9535
👤 重庆邮电大学
📅 2019-11-14
柿子坊 · 知识产权运营
柿子坊知识产权运营平台