公开(公告)号：CN112650932B

公开(公告)日：2022-09-23

申请号：CN202110004042.2

申请日：2021-01-04

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  龚彬 ,  谢显中

IPC: G06F16/9535 ,  G06F16/9536 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种融合社交和位置关系的神经协同过滤POI推荐方法，属于计算机领域。该方法包括：S1：获取数据，划分训练集、验证集、测试集；S2：构建用户关系图和POI关系图；S3：为每个用户和每个POI采样无连接子图；S4：构建GBCF模型；S5：使用训练集训练模型，并利用验证集选择效果最佳的模型；S6：利用训练好的模型得到用户对POIs的偏好得分，并结合TOP‑K排序生成用户感兴趣的POI推荐列表。本发明通过构建用户关系图和POI关系图，并用Graph‑Bert学习到用户与POI的特征表示，最后使用神经协同过滤得到用户对POIs的偏好得分，并结合TOP‑K排序生成用户感兴趣的POI推荐列表。

公开(公告)号：CN115795182A

公开(公告)日：2023-03-14

申请号：CN202211411140.9

申请日：2022-11-11

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  陈诺 ,  谢显中 ,  龚彬

IPC: G06F16/9537 ,  G06N3/0464

Abstract: 本发明涉及一种基于图卷积网络的下一个POI推荐方法，属于互联网技术领域。利用图卷积网络融合类别和时间影响，提出了基于图卷积网络的下一个POI推荐方法(CTGCN)。在本文中，首先生成了用户嵌入、POI嵌入、时间嵌入、类别嵌入、相对位置嵌入的初始化嵌入层。然后，基于图卷积网络、注意力机制、前馈层搭建了卷积层。最后，通过得到的用户特征和POI特征进行内积操作，得到用户对POI的偏好。

公开(公告)号：CN112650932A

公开(公告)日：2021-04-13

申请号：CN202110004042.2

申请日：2021-01-04

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  龚彬 ,  谢显中

IPC: G06F16/9535 ,  G06F16/9536 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种融合社交和位置关系的神经协同过滤POI推荐方法，属于计算机领域。该方法包括：S1：获取数据，划分训练集、验证集、测试集；S2：构建用户关系图和POI关系图；S3：为每个用户和每个POI采样无连接子图；S4：构建GBCF模型；S5：使用训练集训练模型，并利用验证集选择效果最佳的模型；S6：利用训练好的模型得到用户对POIs的偏好得分，并结合TOP‑K排序生成用户感兴趣的POI推荐列表。本发明通过构建用户关系图和POI关系图，并用Graph‑Bert学习到用户与POI的特征表示，最后使用神经协同过滤得到用户对POIs的偏好得分，并结合TOP‑K排序生成用户感兴趣的POI推荐列表。