[发明专利]一种基于异构属性网络表征学习的兴趣点推荐方法

权利要求书

1.一种基于异构属性网络表征学习的兴趣点推荐方法，其特征在于：包括以下步骤：

1)依据签到用户对应的社交网络构建一个无权的社交网络图，将社交网络图定义为

2)按照每个用户在社交网络图的签到数据集上的签到时间进行排序，并且根据签到的时间段设定合适的时间标签；将用户每条签到记录中的时间戳和兴趣点映射成一个带有时间标签的兴趣点；

3)结合用户签到历史记录中的兴趣点去计算社交网络图中各个节点间的权重，得到一个带权社交网络图

4)依据用户的签到数据集，在的基础上构建包含用户和兴趣点的一个有向带权异构网络图

5)根据实际意义设计四种元路径，通过四种元路径获取签到兴趣点间的次序和用户社交网络信息；四种元路径分别为：用户-兴趣点-兴趣点-用户、兴趣点-用户-兴趣点、兴趣点-兴趣点-兴趣点，用户-用户-用户；在构建的网络图上按照每一种元路径分别进行随机游走，产生训练样本；

6)结合兴趣点的属性对兴趣点属性表征向量表示进行定义；利用自注意力机制融合预定义的多种元路径信息，计算出每个节点的表征向量表示；

7)为每一个兴趣点设置两个角色：兴趣点的两个角色分别为起始兴趣点和结束兴趣点；起始兴趣点的定义为：相对于下一个兴趣点，当前兴趣点扮演起始兴趣点角色；结束兴趣点的定义为：相对上一个兴趣点，当前兴趣点扮演结束兴趣点角色；基于异构skip_gram算法，学习在每一种元路径下，在签到网络中每个用户，及每个带有时间标签的兴趣点分别作为起始兴趣点与结束兴趣点的低维表征向量；

8)综合考虑当前用户所处的兴趣点、时间段、签到记录和社交情况，基于表征向量间的相似度，对用户进行TOP-n的兴趣点推荐。

2.根据权利要求1所述的基于异构属性网络表征学习的兴趣点推荐方法，其特征在于：在步骤1)中，根据用户的社交数据构建一个无权的社交网络图的具体方式为：如果两个用户u_i和u_j有关联，则在社交网络图中，在用户u_i和用户u_j之间创建一条双向边；如果两个用户u_i和用户u_j之间没有关联，则在社交网络图不为用户u_i和用户u_j之间设置关联连接。

3.根据权利要求1所述的基于异构属性网络表征学习的兴趣点推荐方法，其特征在于：在步骤2)中，首先在所有用户的签到数据集上将每一个用户的签到记录分为一类，然后在每一个用户的签到数据集上按照签到时间的先后顺序进行排序，并将签到时间映射成时间标签，将时间标签和兴趣点映射成带有时间标签的兴趣点，将带有时间标签的兴趣点定义为时间标签兴趣点；生成时间标签兴趣点的具体步骤为：令f₁:(t_stamp_i)→t_i，其中，f₁表示签到时间戳t_stamp_i和时间标签t_i之间的一个映射关系，f₂表示将时间标签t_i和兴趣点映射成一个带有时间标签的兴趣点

4.根据权利要求2所述的基于异构属性网络表征学习的兴趣点推荐方法，其特征在于：步骤3)中，计算节点u_i和u_j之间的权重计算过程为：其中，L为所有兴趣点的集合，为用户u_i在兴趣点p_k的签到次数，为用户u_i签到过的所有时间标签兴趣点集合ε为常数。