[发明专利]一种用户轨迹信息挖掘方法

权利要求书

1.一种用户轨迹信息挖掘方法，包括：

构建包含多个超级节点的轨迹序列，其中所述轨迹序列反映用户不同时间的行动轨迹，每个超级节点表征用户签到的位置、位置属性和用户属性；

将所述轨迹序列输入到预训练模型，获得映射后的固定维度的向量化表示，作为用户画像序列；

将所述用户画像序列输入分类器或聚类器进行分析，获得用户分类或聚类结果。

2.根据权利要求1所述的方法，其中构建包含多个超级节点的轨迹序列包括：

将用户的每次签到作为一个超级节点S_i,n＝(l_i,n,p_i,n,b_i,n)，用户由一系列超级节点S_i,n组成的轨迹序列表示，l_i,n,p_i,n,b_i,n分别代表用户i的位置，位置属性和用户属性；

将超级节点的属性划分为不同的序列，表示为：

将用户i的轨迹序列重写为L_i表示位置序列、P_i表示位置属性序列，B_i表示用户属性序列。

3.根据权利要求2所述的方法，其中，所述预训练模型基于Word2vec模型构建，位置序列L_i、位置属性序列P_i和用户属性序列B_i被分别独立输入到三个Word2vec模型，得到三个对应的训练分向量，进而拼接成用户画像向量。

4.根据权利要求2所述的方法，其中，，所述预训练模型基于BERT模型构建，位置序列L_i、位置属性序列P_i和用户属性序列B_i中的每个值，通过三个通道输入到独立的三个BERT模型，得到对应的训练分向量，进而拼接成用户画像向量。

5.根据权利要求2所述的方法，其中，所述预训练模型包括嵌入层、融合层和transformer层，所述嵌入层用于将输入的位置序列L_i、位置属性序列P_i和用户属性序列B_i转化成对应的特征向量；所述融合层包含卷积层和拼接层，卷积层用于控制输入特征向量的维度，拼接层用于将位置编码嵌入到相应的向量中；Transformer层包含多头注意力层和前馈网络。

6.根据权利要求5所述的方法，其中，所述嵌入层包含三个独立的Word2vec模型，分别用于位置序列L_i、位置属性序列P_i和用户属性序列B_i的嵌入表示。

7.根据权利要求1所述的方法，其中，所述位置属性用于反映用户的活动场所，所述用户属性反映用户的行为模式，包括用户习惯、在各活动场所的消费金额、停留时间、交通方式、或者对各活动场所的评分。

8.一种计算机可读存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现根据权利要求1至7中任一项所述的方法的步骤。

9.一种计算机设备，包括存储器和处理器，在所述存储器上存储有能够在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7中任一项所述的方法的步骤。