基于图神经网络和上下文信息感知的兴趣点推荐方法

技术特征：

1.一种基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述第一步对于用户，也用嵌入层生成用户id的嵌入表示和用户给出评分的嵌入表示合并后作为用户的表示向量。

3.根据权利要求1所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述第二步包括如下步骤：

4.根据权利要求1所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述第三步包括如下步骤：

5.根据权利要求1所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述第四步包括如下步骤：

6.根据权利要求5所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述第四步的lbs球面距离公式为haversine公式，公式如下：

7.根据权利要求1所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述第五步包括如下步骤：

8.根据权利要求1所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述第七步的5个向量为：

9.根据权利要求8所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，

10.根据权利要求1所述的基于图神经网络和上下文信息感知的兴趣点推荐方法，其特征在于，所述步骤10的计算公式如下：

技术总结
本发明公开了一种基于图神经网络和上下文信息感知的兴趣点推荐方法，首先通过嵌入层生成兴趣点ID、兴趣点类别的和兴趣点评分的嵌入表示，合并成初始的兴趣点嵌入向量；构建4张图；随机采样一批用户和兴趣点作为模型的输入；对构建的图进行卷积输出5个向量；将用户和兴趣点表示加权得到最终的用户表示和兴趣点表示；内积操作，生成最终的预测值；每个为正样本从数据集中采样负样本，通过训练和参数更新；重复若干次，得到最后的推荐模型对兴趣点进行偏好预测，把N个得分最高的兴趣点作为推荐列表返回给用户。本发明通过图结构提取节点之间的高阶非线性交互，并联合时空影响和社交影响进行建模，能够有效缓解数据稀疏性，提升模型推荐效果。

技术研发人员：黄顺遥,庄毅
受保护的技术使用者：浙江工商大学
技术研发日：
技术公布日：2024/1/15