[发明专利]一种兴趣点推荐方法、系统、设备及计算机可读存储介质

说明书

本发明公开了一种兴趣点推荐方法、系统、设备及计算机可读存储介质，其中该方法包括：获取一组兴趣点签到的时间信息及位置信息；输入签到序列的时间信息及位置信息至预先训练的LSTM模型；获取LSTM模型输出的每一个兴趣点的运算结果；基于运算结果确定目标兴趣点；其中，LSTM模型的记忆单元、输出门、隐藏状态均接受时间门和距离门的控制，时间门表示每相邻两个签到的兴趣点间的时间间隔，距离门表示每相邻两个签到的兴趣点间的距离间隔。本发明公开的一种兴趣点推荐方法、系统、设备及计算机可读存储介质均在一定程度上解决了如何提高现有的预测用户下一个兴趣点的预测准确性的技术问题。

技术领域

本发明涉及神经网络技术领域，更具体地说，涉及一种兴趣点推荐方法、系统、设备及计算机可读存储介质。

背景技术

近年来，基于地理位置的社交网络服务如Foursquare、Facebook Places、Yelp等快速增长，这些社交网络服务吸引了许多用户来分享他们的位置和经历，并积累了大量的地理标记数据。这些地理标记数据为了解用户移动行为提供了一个很好的机会，比如可以根据地理标记数据预测用户下一个要去的兴趣点(Point of Interest，简称POI)是哪等。

现有的一种预测用户兴趣点的方法是基于ST-RNN(Spatial Temporal RecurrentNeural Networks，时空递归神经网络)预测用户的下一个兴趣点。

然而，ST-RNN不能很好的建模相邻签到记录的空间和时间关系，只能根据用户最近访问的兴趣点预测用户的下一个兴趣点，由此使得ST-RNN预测的兴趣点的准确性较差。

综上所述，如何提高现有的预测用户兴趣点的方法的预测准确性是目前本领域技术人员亟待解决的问题。

发明内容

本发明的目的是提供一种兴趣点推荐方法，其能在一定程度上解决如何提高现有的预测用户兴趣点的方法的预测准确性的技术问题。本发明还提供了一种兴趣点推荐系统、设备及计算机可读存储介质。

为了实现上述目的，本发明提供如下技术方案：

一种兴趣点推荐方法，包括：

获取一组兴趣点签到的时间信息及位置信息；

输入所述时间信息及所述位置信息至预先训练的LSTM模型；

获取所述LSTM模型输出的每一个所述兴趣点的运算结果；

基于所述运算结果确定目标兴趣点；

其中，所述LSTM模型的记忆单元、输出门、隐藏状态均接受时间门和距离门的控制，所述时间门表示每相邻两个签到的所述兴趣点间的时间间隔，所述距离门表示每相邻两个签到的所述兴趣点间的距离间隔。

优选的，预先训练的所述LSTM模型的更新方程包括：

i_t＝σ(W_i[h_t-1,x_t]+b_i)；

f_t＝σ(W_f[h_t-1,x_t]+b_f)；

T_1t＝σ(x_tW_xt1+σ(Δt_tW_t1)+b_t1),s.t.W_xt1≤0；

T_2t＝σ(x_tW_xt2+σ(Δt_tW_t2)+b_t2)；