[发明专利]一种时间感知的POI推荐方法

权利要求书

1.一种时间感知的POI推荐方法，其特征在于，包括以下步骤：

步骤1：对原始数据进行预处理获得符号化表示，并且按照需求比例划分训练集、验证集和测试集；

步骤2：构建基于时间特征的POI推荐模型，将训练样本与验证样本批量随机地输入基于时间特征的POI推荐模型中，开始迭代模型训练过程，得到训练集与验证集上的评价指标，当验证集上的指标不再上升或者迭代达到一定次数后停止，保存验证集上的最优模型，

其中，学习用户与POI的表示具体为：利用RESCAL的有效分解算法，将基于时间特征构建关系矩阵中得到的两个三维张量分别执行张量分解后，学习得到用户的两个表示与POI的两个表示；

其中，构建基于时间特征的POI推荐模型包括：划分时间段、基于时间特征构建关系矩阵、学习用户与POI的表示、计算用户对POI的感兴趣程度；

计算用户对POI的感兴趣程度具体为：在得到用户与POI的表示后，采用余弦相似性分别度量计算不同的时间特征下用户对于未访问的POI的感兴趣程度，采用线性组合方式将两个时间特征下的用户对POI的偏好得分组合在一起；最后，将用户对未访问过的POI的通过协同过滤算法得到的偏好得分与基于时间特征的张量分解的偏好得分线性组合起来，作为用户对POI的最终偏好得分；

步骤3：加载保存的在验证集上评价指标最优的基于时间特征的POI推荐模型，将测试样本批量送入模型中，输出与保存推荐的结果。

2.根据权利要求1所述的时间感知的POI推荐方法，其特征在于：所述步骤1中的原始数据集包含相关的用户信息、地点信息以及与其对应的用户访问记录信息。

3.根据权利要求1所述的时间感知的POI推荐方法，其特征在于：所述步骤2中划分时间段具体为：根据每周以及每日两个不同的时间特征构建用户与POI的关系矩阵，每周划分为工作日与周末，每日按照小时划分为5个时间段，总共有10种不同的时间段。

4.根据权利要求3所述的时间感知的POI推荐方法，其特征在于：所述步骤2中基于时间特征构建关系矩阵具体为：根据不同时间段下用户访问POI的记录信息，每个时间段分别构建用户和POI的交互矩阵；通过将多个时间段的关系矩阵排列形成一个由用户、POI以及时间段构成的三维张量；分别为每周T1以及每日T2这两个不同时间的尺度建立两个独立的张量。

5.根据权利要求1所述的时间感知的POI推荐方法，其特征在于：

所述步骤2中构建好基于时间特征的POI推荐方法后，将训练与验证样本随机批量的输入到模型中，并且利用随机梯度下降方法使模型逐渐学习最优的参数值，同时计算在验证集上的评价指标，当验证集上的指标不再上升或者模型训练迭代到一定次数后停止训练，保存验证集上表现最优的关系分类模型。

6.根据权利要求1所述的时间感知的POI推荐方法，其特征在于，所述步骤3的测试过程具体为先加载步骤2中训练好的关系分类模型，再将测试集中的样本批量输入到模型中，此时模型的参数固定不变，经过模型计算后，得到针对每位用户的可能感兴趣的POI推荐。