申请/专利权人：中山大学

申请日：2021-03-26

公开（公告）日：2024-04-05

公开（公告）号：CN113076344B

主分类号：G06F16/2457

分类号：G06F16/2457;G06F16/29

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.07.23#实质审查的生效;2021.07.06#公开

摘要：本发明公开了一种基于用户App数据的个性化地点推荐方法及系统，该方法包括：获取带有地点信息的App使用记录，得到数据集；从数据集中提取用户对地点的历史访问行为、用户特征和地点特征；根据用户对地点的历史访问行为、用户特征和地点特征得到用户兴趣表征和地点功能表征；根据用户兴趣表征和地点功能表征计算用户对未访问地点的兴趣分数，并按照预设规则将地点推荐给用户。该系统包括：记录获取模块、数据提取模块、表征模块和推荐模块。通过使用本发明，能够提升个性化地点推荐性能。本发明作为一种基于用户App数据的个性化地点推荐方法及系统，可广泛应用于大数据领域。

主权项：1.一种基于用户App数据的个性化地点推荐方法，其特征在于，包括以下步骤：S1、获取带有地点信息的App使用记录，得到数据集；S2、从数据集中提取用户对地点的历史访问行为、用户特征和地点特征；S3、根据用户对地点的历史访问行为、用户特征和地点特征得到用户兴趣表征和地点功能表征；S4、根据用户兴趣表征和地点功能表征计算用户对未访问地点的兴趣分数，并按照预设规则将地点推荐给用户；所述从数据集中提取用户对地点的历史访问行为、用户特征和地点特征这一步骤，其具体包括：S21、从数据集中提取用户对地点的历史访问行为并统计每个用户对每个地点的访问次数，得到每个用户对地点的访问偏好；S22、从数据集中统计每个用户对每个App的使用次数，得到用户特征；S23、从数据集中统计每个地点下聚合的每个App的使用次数，得到地点特征；所述根据用户对地点的历史访问行为、用户特征和地点特征得到用户兴趣表征和地点功能表征这一步骤，其具体包括：S31、将用户对地点的历史访问行为按照指定比例划分为训练集和测试集；S32、基于图卷积神经网络，将用户特征、地点特征作为输入，将训练集中的历史访问行为作为输出真值，训练得到用户兴趣表征和地点功能表征；所述基于图卷积神经网络，将用户特征、地点特征作为输入，将训练集中的历史访问行为作为输出真值，训练得到用户兴趣表征和地点功能表征这一步骤，图卷积神经网络的训练步骤具体包括：S321、根据训练集中的历史访问行为构造二部图；S322、将用户特征和地点特征分别作为二部图的节点属性；二部图图中包含两种节点，分别是用户节点和地点节点，节点之间的边根据访问行为构建，边的权重为S21中的访问频率，将S22中提取的基于App使用行为的用户特征作为用户节点的属性，将S23中提取的基于App使用行为的地点特征作为地点节点的属性；S323、将图卷积神经网络的层数设置为N；S324、将二部图中的每个节点的属性信息作为图神经网络的输入，输出对应的用户兴趣表征向量和地点功能表征向量；S325、根据用户兴趣表征向量和地点功能表征向量，基于内积计算法计算用户对地点的兴趣分数，得到用户访问行为的估计值；S326、将用户访问行为的估计值与真实值相比较，得到估计误差；S327、根据估计误差对图卷积神经网络进行梯度下降并返回步骤S324，直至估计误差小于理想阈值。

全文数据：

权利要求：

百度查询： 中山大学 一种基于用户App数据的个性化地点推荐方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD