申请/专利权人：吉林大学

申请日：2023-12-29

公开（公告）日：2024-04-16

公开（公告）号：CN117891999A

主分类号：G06F16/9535

分类号：G06F16/9535;G06F16/9537;G06F18/22;G06N3/0499;G06N3/0455;G06N3/042;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提供一种基于空间位置与时间跨度的序列推荐方法，涉及序列推荐技术领域，本发明通过TPE模块根据兴趣点之间的时间间隔动态调整兴趣点在序列中的位置，并通过正弦变换生成位置表示，反映兴趣点之间的相对时间接近度，并利用DTW算法的输出来提供更丰富的时间位置信息，这将使时间位置编码器更加敏感于用户行为的时间动态；ISAB模块交替使用位置感知注意力层和前馈网络，将空间－时间间隔缩放后加到注意力机制中，以增加注意力机制对所有兴趣点之间的空间关系的重视程度，且引入多头注意力机制来提高对序列中多样模式的捕捉能力，缓解局部兴趣点之间关注度的不足。

主权项：1.一种基于空间位置与时间跨度的序列推荐方法，其特征在于，具体步骤包括：S1、采集用户的历史交互信息和兴趣点的地理信息并构建用户序列，使用DTW算法处理不同长度序列间的相似性，以在用户兴趣点序列的分析中捕获时间动态，得到用户序列矩阵E；S2、通过时间位置编码器对用户兴趣点序列的时间位置进行编码，根据兴趣点序列中的时间间隔调整相对位置之间的差异，进一步反映相对时间接近性；S3、使用时空关系矩阵R来描述兴趣点之间的时空关系，并通过图神经网络GNN捕获兴趣点间的复杂空间结构关系；S4、通过间隔自注意力模块在残差链接和层归一化的过程中交替使用间隔自注意力网络和前馈网络，以使多头注意力机制与GNN输出整合；S5、通过与用户序列相同的方式将候选的兴趣点序列向量化，并构建候选集矩阵C；S6、通过目标注意力解码器融合上下文感知特征后生成输出结果，并将输出结果，与候选集矩阵C进行结合，使用softmax函数对每个候选兴趣点进行打分，以预测用户的下一个兴趣点。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于空间位置与时间跨度的序列推荐方法

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