[发明专利]一种基于注意力机制的群组美食推荐方法

权利要求书

1.一种基于注意力机制的群组美食推荐方法，其特征在于，具体步骤包括：

步骤1，获取用户旅游数据集，经去重、剔除、清洗后，得到有效数据；

步骤2，对有效数据进行用户信息之间的相似度计算，对用户群组进行聚类分析，构建用户群组；

步骤3，根据群组，利用注意力机制以及用户亲密度将用户偏好进行融合，得到群组偏好向量；

步骤4，对群组偏好向量与组内用户个人偏好做神经协同过滤进行处理，得到用户个人预测评分与群组预测评分；

步骤5，根据多类聚合平衡策略，将预测评分序列进行融合，得到目标群组对美食的预测评分；

步骤6，将预测评分以降序方式排列，生成美食推荐列表，选取TOP-N的美食作为结果推荐给群组用户。

2.根据权利要求1所述一种基于注意力机制的群组美食推荐方法，其特征在于，所述步骤1中用户旅游数据集包括用户个人信息数据和商家信息数据；

所述用户个人信息数据包括用户口味、消费标准、交通工具以及目的地和户历史签到数据；

所述商家信息数据包括商家位置、商家评分、商家均价、商家标签、商家星级。

3.根据权利要求1所述一种基于注意力机制的群组美食推荐方法，其特征在于，所述步骤2的具体步骤为：

步骤2.1，将有效数据编码为向量，定义口味类型向量为testt₁,t₂...t_n，消费标准交通工具目的地计算用户以上四个不同类型的相似度，如公式(1)～(4)所示：

其中sim_a为群组中的用户A₁与用户B₁之间的口味类型相似度矩阵、其中sim_b为群组中的用户A₂与用户B₂之间的消费标准相似度矩阵、其中sim_c为群组中的用户A₃与用户B₃之间的交通工具相似度矩阵、其中sim_b为群组中的用户A₂与用户B₂之间的目的地相似度矩阵根据以上公式计算得到用户组合相似度矩阵；

步骤2.2，基于2.1得到的用户相似度矩阵，进行矩阵的组合，具体公式为：

sim＝αsima(A₁,B₁)+βsimb(A₂,B₂)+χsimc(A₃,B₃)+γsimd(A₄,B₄) (5)

其中，sim表示的是用户组合的相似度矩阵，α、β、γ、χ分别代表的是在组合后的用户相似度矩阵中，各个不同的类别的相似度值的权重，其中α分配为0.3、β为0.2、γ为0.2以及χ为0.2；

步骤2.3，采用K-medios聚类算法对用户群组进行聚类，构建用户群组，即随机选择K个用户，其中将K个作为初始的代表对象O，根据步骤2.2得到的相似度矩阵，将剩余的用户分给离的最近的这个代表对象所代表的簇，之后随机选择一个不属于代表对象R的相似度值，计算不属于代表对象R代替O的总代价S，如果S0,则需要用R去替代O，形成一个新的K个代表对象的集合，直到最终不用进行对象替代，发生变化，此时群组分类为最终的群组分类。