多通道交互学习兴趣点推荐模型的构建方法及装置
摘要文本
本公开提供了一种多通道交互学习兴趣点推荐模型的构建方法及装置，其中，方法包括：聚集多个元路径上的用户潜在表示和兴趣点潜在表示，得到用户多视角语义特征和兴趣点多视角语义特征，与对应的内部特征分别融合得到用户综合特征和兴趣点综合特征；利用广义矩阵分解学习用户综合特征和兴趣点综合特征的低阶线性向量，利用卷积约束的多头自注意力机制深度神经网络学习用户综合特征和兴趣点综合特征的高阶非线性向量，将低阶线性向量和高阶非线性向量在预测层融合，得到多通道交互学习兴趣点推荐模型。本公开构建基于元路径的多视角语义特征，并同步展开线性交互和非线性交互的多通道学习，有效地捕捉了用户‑兴趣点交互的复杂结构。
申请人信息
- 申请人:中国测绘科学研究院
- 申请人地址:100036 北京市海淀区莲花池西路28号
- 发明人: 中国测绘科学研究院
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 多通道交互学习兴趣点推荐模型的构建方法及装置 |
| 专利类型 | 发明申请 |
| 申请号 | CN202311301895.8 |
| 申请日 | 2023/10/9 |
| 公告号 | CN117390300A |
| 公开日 | 2024/1/12 |
| IPC主分类号 | G06F16/9536 |
| 权利人 | 中国测绘科学研究院 |
| 发明人 | 李晓燕; 徐胜华; 王勇 |
| 地址 | 北京市海淀区莲花池西路28号 |
专利主权项内容
1.一种多通道交互学习兴趣点推荐模型的构建方法，其特征在于，包括：使用嵌入法将用户初始向量和兴趣点初始向量映射到隐式向量空间，分别得到用户内部特征和兴趣点内部特征；聚集用于推荐的元路径中用户邻居对和兴趣点邻居对，得到多个元路径对应的用户初始同构网络和兴趣点初始同构网络；通过可调参相似度调节所述用户初始同构网络和所述兴趣点初始同构网络中节点间相似度，得到用户加权同构网络和兴趣点加权同构网络；利用随机游走算法将所述用户加权同构网络和所述兴趣点加权同构网络投影至低维空间，得到用户潜在表示和兴趣点潜在表示；利用注意力机制分别聚集多个元路径上的所述用户潜在表示和所述兴趣点潜在表示，得到用户多视角语义特征和兴趣点多视角语义特征；将所述用户内部特征与所述用户多视角语义特征融合得到用户综合特征，将所述兴趣点内部特征和所述兴趣点多视角语义特征融合得到兴趣点综合特征；将所述用户综合特征和所述兴趣点综合特征输入广义矩阵分解，得到低阶线性向量，将所述用户综合特征和所述兴趣点综合特征输入卷积约束的多头自注意力机制深度神经网络，得到高阶非线性向量，将所述低阶线性向量和所述高阶非线性向量在预测层融合，得到多通道交互学习兴趣点推荐模型。 关注微信公众号马克数据网