[发明专利]一种基于地理感知的序列位置推荐方法

说明书

本发明公开了一种基于地理感知的序列位置推荐方法，可以充分利用用户和历史行为轨迹的丰富元数据(用户ID，时间戳，位置和地点经纬度信息)来解决位置推荐的问题；同时，利用基于自注意力网络的地理感知序列推荐器GeoSAN来进行对用户位置的推荐，相比于传统模型，对地理信息有了更充分地利用，能够较好地解决数据稀疏性问题，对于推荐的结果，在多个评价指标上有一定的提高。

技术领域

本发明涉及机器学习和序列位置推荐领域，具体地，涉及一种基于地理感知的序列位置推荐方法。

背景技术

随着信息技术的飞速发展，人们的移动行为更容易数字化记录并且更方便与朋友分享。移动行为可以用来理解和预测人们的活动轨迹，在餐饮、交通、娱乐等方面为个人的日常生活提供便利，推荐人们感兴趣的地点，但是随着人们对推荐结果要求越来越高，对推荐方法也提出来更高的要求。然而，现有的一些方法没有能够有效地利用地理信息，存在数据稀疏性的问题，一定程度上影响到了推荐的结果。因此，如何充分利用现有的信息，给用户进行高效高质量的推荐是急需解决的一个研究问题。

围绕这个研究问题，研究者们提出了多种方式，贯穿着位置推荐的发展。然而，相关的研究中，地理信息仍然难以得到充分的利用，并且稀疏性问题也没有得到很好的解决。

发明内容

本发明的目的是提供一种基于地理感知的序列位置推荐方法，该方法可以充分利用用户和历史行为轨迹的丰富元数据，即用户ID、时间戳、位置和地点经纬度信息，来解决位置推荐的问题。

为了实现上述目的，本发明提供了一种基于地理感知的序列位置推荐方法，包括：

从基于位置的用户服务网站上爬取一定量的数据，对于一个用户爬取的数据包括：用户的ID、时间戳、位置、地点的经纬度；

基于爬取的各用户的ID信息、时间信息、地点信息、地理位置信息，以此构建基于自注意力网络的地理感知序列推荐器模型，接着结合目标位置信息进行相关地理位置的打分推荐；结合排序得分与预设的利用基于重要性采样的损失函数对基于自注意力网络的地理感知序列推荐器GeoSAN进行训练；

对于一个用户及其一系列的历史轨迹点，利用用户的ID信息、用户对应的一系列历史轨迹点的位置和经纬度信息，每个轨迹点的时间戳，来构建一系列的实例并以此输入至训练好的基于自注意力网络的地理感知序列推荐器中，从而得到一系列的推荐位置的排序得分，根据排序得分的大小，以从前到后的方式对一系列位置进行推荐，得到最终推荐的结果。

优选地，构建基于自注意力网络的地理感知序列推荐器模型之前还包括对爬取的数据进行预处理的步骤，该步骤包括：

将输入的序列从左向右切分转变成固定长度的序列，固定长度设置为m，当输入序列长度小于m，向右添加padding；当大于m时，对其进行切分；其中，m是非固定值，根据实际情况进行调整。

优选地，构建基于自注意力的地理感知位置推荐网络模型包括三个部分：输入层、自注意力层、预测评估层；其中，

输入层：对于一个用户，认为该用户由一系列移动记录r构成，每一个移动记录r认为由用户IDu，地点l，时间点t，位置经纬度p构成；使用WordEmbedding技术，将用户行为记录里的用户IDu，地点l，时间点t编码，接着使用基于自注意力的地理编码技术将位置经纬度p编码；拼接组成序列的表征矩阵E∈R^m×d，对于填充的记录，用0表示，由于自注意力网络不能捕捉序列之间的位置关系，故加入一个位置的表征P进入E之中，即E＝E+P；

自注意力层：利用自注意力机制可以获取用户行为序列之间的长距离的上下文关系，有效地捕获用户行为轨迹序列之间的深层次依赖关系；通过自注意力机制，在上一步对quadkeys进行编码处理，同时也在后面将用户的行为记录进行编码，将序列矩阵E转变为自注意力编码之后的结果F；