[发明专利]一种基于深度学习的用户兴趣点推荐方法与系统

权利要求书

1.一种基于深度学习的用户兴趣点推荐方法，其特征在于，包括：

获取用户的历史签到数据；

基于历史签到数据对深度学习模型进行训练；

将用户最新的签到数据输入到训练好的深度学习模型，输出预测的用户兴趣点；具体过程包括：

基于历史POI类别签到数据对POI类别进行特征提取，同时捕捉POI类别签到的时序行为模式并编码到POI类别偏好Embedding中；

采用Softmax分类器对POI类别进行打分排序，过滤分数低的POI类别，生成POI候选集；

基于历史POI签到数据对POI进行特征提取，同时捕捉POI签到的时序行为模式并编码到POI偏好Embedding中；

计算POI候选集中每个POI Embedding，同POI偏好Embedding的欧氏距离得分，对POI候选集中的POI进行排序，输出排名为前N的POI；

计算POI候选集中每个POI的欧氏距离得分的方法为：

计算每个属于候选集POI的POI Embedding和用户POI类别偏好Embedding的欧氏距离；

计算每个属于候选集POI的POI Embedding和用户POI偏好Embedding的欧氏距离；

将上述两个欧氏距离相加，得到POI候选集中每个POI的欧氏距离得分；

其中，所述深度学习模型自动提取用户对POI类别偏好特征和对POI偏好特征，两种特征表达为两个特征Embedding；然后，将两种特征Embedding同候选集POI Embedding进行欧氏距离计算，通过得分进行排序，输出排名为前N的POI；N为设定值。

2.如权利要求1所述的一种基于深度学习的用户兴趣点推荐方法，其特征在于，所述历史签到数据包括：用户历史POI类别签到数据和用户历史POI签到数据。

3.如权利要求2所述的一种基于深度学习的用户兴趣点推荐方法，其特征在于，所述用户历史POI类别签到数据，包括但不限于：用户信息、POI类别描述和签到时间。

4.如权利要求2所述的一种基于深度学习的用户兴趣点推荐方法，其特征在于，所述用户历史POI签到数据，包括但不限于：用户信息、POI描述、签到时间和经纬度信息。

5.如权利要求1所述的一种基于深度学习的用户兴趣点推荐方法，其特征在于，在将带预测用户最新的签到数据输入到训练好的深度学习模型之前，还包括：

去除被访问次数低于设定次数的POI；

对文本描述数据中的敏感信息进行脱敏处理。

6.一种基于深度学习的用户兴趣点推荐系统，其特征在于，包括：

数据获取模块，用于获取用户的历史签到数据；

模型训练模块，用于基于历史签到数据对深度学习模型进行训练，本申请所提到的Embedding都会在深度学习训练过程中不断调整；

POI预测模块，用于将带预测用户最新的签到数据输入到训练好的深度学习模型，输出预测的用户兴趣点；

其中，所述深度学习模型自动提取用户对POI类别偏好特征和对POI偏好特征，两种特征表达为两个特征Embedding；然后，将两种特征Embedding同候选集POI Embedding进行欧氏距离计算，通过得分进行排序，输出排名为前N的POI；N为设定值。

7.一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，其特征在于，所述指令适于由处理器加载并执行权利要求1-5任一项所述的基于深度学习的用户兴趣点推荐方法。

8.一种计算机可读存储介质，其中存储有多条指令，其特征在于，所述指令适于由终端设备的处理器加载并执行权利要求1-5任一项所述的基于深度学习的用户兴趣点推荐方法。