[发明专利]一种融入多视图的基于自注意力机制的POI推荐方法

说明书

本发明涉及一种融入多视图的基于自注意力机制的POI推荐方法。本发明通过对获取的用户数据进行预处理，并利用自注意机制分别更新POI和POI类别的特征，然后使用交叉融合注意力网络学习两者之间的相互依赖关系，挖掘在融入POI类型信息的前提下的POI特征，并根据用户的出行范围对候选POI进行预筛选，从而更加科学、有效、真实地为用户推荐下一时刻出行的地点，有助于进一步分析为发展规划、建筑选址等提供决策支持。

技术领域

本发明属于出行推荐领域，特别是涉及一种融入多视图的基于自注意力机制的POI推荐方法。

背景技术

随着数据时代的快速发展，网约车平台等出行推荐平台积累了大量的签到数据。这些数据包括用户信息、签到POI信息、签到时间信息、签到地点的类型信息等，随着数据挖掘领域的不断发展，基于签到数据的智能推荐系统兴起并不断发展。签到信息的主体POI可以是一个火车站、一个餐馆、一所学校等。通过对用户过去的POI时序特征进行学习，挖掘用户的出行特征，有助于出行平台更好地为用户推荐兴趣点，进一步为发展规划、建筑选址等提供决策支持。目前POI推荐一般采用卷积神经网络和图神经网络的方法，对用户的长短期特征偏好进行学习，然而这些模型往往只是单纯的考虑签到地点及签到的时间信息，缺少签到地点类型的上下文信息。在少数考虑签到地点类型的模型中，其对于POI类型信息的融合也只是简单的加权相加或者拼接，缺乏两者的有效融合。

发明内容

本发明针对现有技术的不足，提供一种融入多视图的基于自注意力机制的POI推荐方法。首先对获取的用户数据进行预处理，并基于自注意力模型的编码器分别更新POI和POI类型的序列，然后利用面向POI和POI类别信息的交叉融合注意力网络，对POI和POI类别信息进行跨视图融合，得到用户的行为偏好，并根据用户的出行范围对候选POI进行预筛选，最后将用户的行为偏好和筛选后的POI匹配得到推荐信息。

为了达到上述目的，本发明提供的技术方案是一种融入多视图的基于自注意力机制的POI推荐方法，包括以下步骤：

步骤1，获取所有用户的签到数据；

步骤2，对用户的签到数据进行预处理；

步骤2.1，将每个用户的签到数据处理为相同长度的序列；

步骤2.2，对用户的签到时间做周期化处理；

步骤2.3，将周期化处理的数据向量化；

步骤3，对POI和POI类别信息进行跨视图融合，得到用户的行为偏好；

步骤3.1，基于自注意力模型的编码器分别更新POI和POI类型的序列；

步骤3.2，利用面向POI和POI类别信息的交叉融合注意力网络，对POI和POI类别信息进行跨视图融合，得到用户的行为偏好；

步骤4，利用候选集过滤器缩小候选POI范围；

步骤4.1，通过K-means聚类得到用户合适的簇数，对于每一簇中的所有POI生成最大凸包，每一簇会生成一个中心点；

步骤4.2，将最大凸包或单个POI生成距离为5km的缓冲区，作为用户的活动范围，筛除不在用户活动范围的POI；

步骤5，将步骤3得到的用户的行为偏好与步骤4筛选得到的候选集匹配，生成推荐信息。