[发明专利]基于深度学习模型的地图兴趣点推荐方法及系统

权利要求书

1.一种基于深度学习模型的地图兴趣点推荐方法，其特征在于，包括：

获取地图中的兴趣点数据以及各兴趣点所产生的订单数据；

基于所述订单数据生成用户轨迹数据以及喜好标签数据；

基于所述用户轨迹数据和喜好标签数据，以及预先训练的基于项目时序关联的RNN网络模型，对目标用户进行地图兴趣点的推荐；

其中，所述基于项目时序关联的循环神经网络模型，在RNN网络模型结构中引入遗忘门思想，在每一层的信息传播过程中对前一个隐藏层的信息、当前隐藏层的信息以及序列中的当前元素所携带的信息进行有选择地整合，并将整合后的信息输入至下一个隐藏层中进行再次分析。

2.如权利要求1所述的一种基于深度学习模型的地图兴趣点推荐方法，其特征在于，所述基于项目时序关联的循环神经网络模型的训练过程，具体为：基于社区服务平台中的历史数据，构建训练数据集；其中，所述训练数据据中的样本包括预设长度的用户历史轨迹中的兴趣点序列以及下一时刻的兴趣点；基于所述数据集，对所述基于项目时序关联的循环神经网络模型进行训练，获得训练好的模型。

3.如权利要求1所述的一种基于深度学习模型的地图兴趣点推荐方法，其特征在于，所述基于所述用户轨迹数据和喜好标签数据，以及预先训练的基于项目时序关联的RNN网络模型，对目标用户进行地图兴趣点的推荐，具体为：对于历史轨迹中兴趣点序列长度满足预设要求的用户，将预设长度的兴趣点序列输入预先训练的网络模型中，获得推荐的兴趣点。

4.如权利要求3所述的一种基于深度学习模型的地图兴趣点推荐方法，其特征在于，对于兴趣点序列长度不满足预设要求的新用户，计算该用户与其它用户之间的喜好标签特征相似度，随机推荐邻近用户访问过的兴趣点。

5.如权利要求1所述的一种基于深度学习模型的地图兴趣点推荐方法，其特征在于，所述新用户的喜好标签基于其在社区服务平台注册时的初始预设值来获得。

6.如权利要求1所述的一种基于深度学习模型的地图兴趣点推荐方法，其特征在于，所述兴趣点数据包括兴趣点的总体评级与对应的喜好标签，所述订单数据包括用户的标识信息与所访问的兴趣点的标识信息。

7.如权利要求1所述的一种基于深度学习模型的地图兴趣点推荐方法，其特征在于，所述轨迹数据通过对所述订单数据按照时间顺序进行排序获得；所述喜好标签数据包括兴趣点所属类型及是否有优惠活动。

8.一种基于深度学习模型的地图兴趣点推荐系统，其特征在于，包括：

数据获取单元，其用于获取地图中的兴趣点数据以及各兴趣点所产生的订单数据；

数据处理单元，其用于基于所述订单数据生成用户轨迹数据以及喜好标签数据；

兴趣点推荐单元，其用于基于所述用户轨迹数据和喜好标签数据，以及预先训练的基于项目时序关联的RNN网络模型，对目标用户进行地图兴趣点的推荐；

其中，所述基于项目时序关联的循环神经网络模型，在RNN网络模型结构中引入遗忘门思想，在每一层的信息传播过程中对前一个隐藏层的信息、当前隐藏层的信息以及序列中的当前元素所携带的信息进行有选择地整合，并将整合后的信息输入至下一个隐藏层中进行再次分析。

9.一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于深度学习模型的地图兴趣点推荐方法。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于深度学习模型的地图兴趣点推荐方法。