[发明专利]地点推荐方法、装置、设备及存储介质有效
申请号: | 202011187249.X | 申请日: | 2020-10-30 |
公开(公告)号: | CN112328911B | 公开(公告)日: | 2023-05-23 |
发明(设计)人: | 潘广谋;高宸;李勇;涂贞;高徽;金德鹏 | 申请(专利权)人: | 腾讯科技(深圳)有限公司;清华大学 |
主分类号: | G06F16/9537 | 分类号: | G06F16/9537 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 徐立 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 地点 推荐 方法 装置 设备 存储 介质 | ||
1.一种地点推荐方法,其特征在于,所述方法包括:
构建用户地点关系图,所述用户地点关系图包括结点和连接线,所述结点包括用户对应的用户结点和地点对应的地点结点,存在交互关系或辅助关系的两个所述结点使用所述连接线相连,所述交互关系包括发生过交互行为的所述用户结点与所述地点结点间的关系,所述辅助关系包括所述用户结点之间的社交关系和所述地点结点之间的地理位置关系中的至少一种;
基于所述用户地点关系图进行向量传播和向量更新得到所述用户结点的用户表征向量和所述地点结点的地点表征向量,所述向量传播和所述向量更新用于根据所述结点间的所述连接线进行向量传播和迭代学习、提取所述用户地点关系图中的邻接关系;
根据目标用户的所述用户结点与至少两个所述地点结点的至少两个预测分数输出所述目标用户的推荐地点,所述预测分数是根据所述用户表征向量和所述地点表征向量计算得到的;
其中,所述用户地点关系图包括:用户地点社交关系图、用户地点地理关系图中的至少一种;在所述用户地点社交关系图中,存在所述交互关系或所述社交关系的两个所述结点使用所述连接线相连;在所述用户地点地理关系图中,存在所述交互关系或所述地理位置关系的两个所述结点使用所述连接线相连;
所述用户表征向量包括:用户社交总向量、用户地理总向量中的至少一种;所述用户社交总向量是基于所述用户地点社交关系图进行向量传播和向量更新得到的,所述用户地理总向量是基于所述用户地点地理关系图进行向量传播和向量更新得到的;
所述地点表征向量包括:地点社交总向量、地点地理总向量中的至少一种;所述地点社交总向量是基于所述用户地点社交关系图进行向量传播和向量更新得到的,所述地点地理总向量是基于所述用户地点地理关系图进行向量传播和向量更新得到的;
所述预测分数包括以下至少一种:所述用户社交总向量与所述地点社交总向量相乘得到的社交预测分数;所述用户地理总向量与所述地点地理总向量相乘得到的地理预测分数;所述社交预测分数与所述地理预测分数的加权和。
2.根据权利要求1所述的方法,其特征在于,所述用户地点关系图包括用户地点社交关系图,存在所述交互关系或所述社交关系的两个所述结点使用所述连接线相连;
所述基于所述用户地点关系图进行向量传播和向量更新得到所述用户结点的用户表征向量和所述地点结点的地点表征向量,包括:
基于所述用户地点社交关系图进行所述向量传播和所述向量更新,得到所述用户结点的用户社交表征向量和所述地点结点的地点社交表征向量;
所述根据目标用户的所述用户结点与至少两个所述地点结点的至少两个预测分数输出所述目标用户的推荐地点,包括:
根据所述目标用户的所述用户结点与至少两个所述地点结点的至少两个社交预测分数输出所述目标用户的推荐地点,所述社交预测分数是根据所述用户社交表征向量和所述地点社交表征向量计算得到的。
3.根据权利要求2所述的方法,其特征在于,所述基于所述用户地点社交关系图进行所述向量传播和所述向量更新,得到所述用户结点的用户社交表征向量和所述地点结点的地点社交表征向量,包括以下步骤:
基于所述用户地点社交关系图,控制所述结点向邻接结点发送所述结点的第i层社交表征向量,i为非负整数,所述邻接结点是通过所述连接线与所述结点相连的结点,其中,第0层社交表征向量是根据所述结点的结点信息生成的原始表征向量;
控制所述结点接收所述邻接结点发送的所述邻接结点的第i层邻接社交表征向量;
根据所述结点的所述第i层社交表征向量和所述邻接结点的所述第i层邻接社交表征向量进行向量更新,得到所述结点的第i+1层社交表征向量;其中,所述用户结点对应第i+1层用户社交表征向量,所述地点结点对应第i+1层地点社交表征向量;
重复上述步骤迭代进行所述向量传播和所述向量更新,得到所述用户结点在所述用户地点社交关系图中的第E层用户社交表征向量,得到所述地点结点在所述用户地点社交关系图中的第E层地点社交表征向量,E为正整数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司;清华大学,未经腾讯科技(深圳)有限公司;清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202011187249.X/1.html,转载请声明来源钻瓜专利网。