欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2024116582824
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于用户历史签到序列的城市POI推荐与时间戳预测方法,其特征在于,包括如下步骤:S1、收集用户的历史签到数据,并按照时间顺序对每位用户的签到记录进行排序,形成用户签到序列,随后将数据实时传输至服务器并存储;

S2、对数据进行预处理,然后从预处理后的用户签到序列中提取出有效的POI序列和时间戳序列,分别表示为和;

S3、将POI序列和时间戳序列输入到构建的TAPT模型中,利用TAPT模型中高效的编码器模块和嵌入连接层,将POI嵌入与时间戳嵌入进行融合,形成联合嵌入,最终,联合嵌入输入到POI推荐模型和时间戳预测器中,实现对POI及其对应时间戳的联合预测;

所述TAPT模型包括编码器模块、POI推荐模块以及时间戳预测模块;

编码器模块由POI编码器和时间戳编码器组成;

在处理POI序列时,将其转换为,其中表示序列长度,表示POI的嵌入维度,将POI序列转换为对应嵌入,公式如下:;

其中,表示POI嵌入,是POI编码器,是输入的POI序列;

为了捕捉用户日常的行为模式,将时间戳序列解耦为三个组成部分:小时、分钟和秒钟,解耦的公式如下:;

其中,是解耦的时间戳序列,是时间戳解耦器,是输入的时间戳序列,随后,将编码为可学习的嵌入,公式如下:;

其中,是时间戳嵌入,是时间戳嵌入维度,是时间戳编码器;

在获得POI嵌入和时间戳嵌入后,将二者输入到一个拼接层,以生成联合嵌入表征,具体的处理公式如下:;

其中,是联合嵌入,并且,是连接操作。

2.根据权利要求1所述的基于用户历史签到序列的城市POI推荐与时间戳预测方法,其特征在于,步骤S1中,利用移动应用程序和GPS传感器,定期收集用户的历史签到数据,包括每个POI及其对应的时间戳,并将数据实时传输至服务器并存储。

3.根据权利要求1所述的基于用户历史签到序列的城市POI推荐与时间戳预测方法,其特征在于,步骤S2中,对数据进行预处理的具体步骤如下:首先进行数据清洗,剔除含有缺失值或异常值的用户和POI交互数据,并按时间顺序排序每个用户的历史签到数据,公式如下:;

其中,是第个用户排序后的历史签到序列,是第个用户的原始输入序列,代表排序函数,表示按照时间戳先后进行排序;

然后采用过滤技术,去除不活跃用户和冷门POI的交互,以保证数据的质量和代表性,操作方式如下:;

;

其中,和分别代表过滤后的活跃用户集合和热门POI集合,和分别表示用户的签到次数和兴趣点的交互次数,和分别代表签到次数阈值和交互次数阈值。

4.根据权利要求1所述的基于用户历史签到序列的城市POI推荐与时间戳预测方法,其特征在于,时间戳预测模块具体实现如下步骤:首先,将从中学得的联合表征输入到一个Transformer模型中,其中,是学习得到的信息表征,是序列POI推荐的基本架构;

然后进一步学习时间戳表征:

;

其中,是进一步学习到的联合表征,表示基于Transformer架构的深度模型;

随后,通过时间戳特征提取器来提取与时间戳相关的特征:;

其中,是提取到的用于时间戳预测任务的特征,是时间戳特征提取器;

随后,通过解码器解码,将提取到的特征转换为时间戳表示:;

其中,是解码的表征,是解码器;

最终,通过激活函数和缩放操作映射为表示时间戳信息的离散值:;

其中,是最终预测的时间戳信息,和分别表示缩放操作和激活操作。

5.根据权利要求1所述的基于用户历史签到序列的城市POI推荐与时间戳预测方法,其特征在于,步骤S3中,构建的TAPT模型通过梯度下降法更新模型参数,以最小化训练过程中的损失函数,从而实现有效的模型训练,练过程中采用的损失函数如下:;

其中,是用于序列POI推荐的损失:;

其中,表示样本总数,是Sigmoid函数,是第个正样本的得分,是第个负样本的得分,是一个超参数用来平衡两个损失函数;

采用均方误差MSE损失来进行优化:;

其中,是每个用户的时间戳序列长度,是第个样本的真实时间戳,是第个样本的预测时间戳。