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: