基于时空周期注意力机制的递归神经网络兴趣点推荐方法

摘要

本发明涉及一种基于时空周期注意力机制的递归神经网络连续兴趣地点推荐方法，属于推荐系统领域；根据每个用户的签到数据，构造兴趣地点序列和时间属性序列，并使用TD‑LSTM处理兴趣地点序列和时间属性序列，得到二者的中间表示，再针对每个候选兴趣地点分别计算时间、空间、周期注意力分布，并使用这三种注意力分布加权兴趣地点序列和时间属性序列的中间表示得到其特有表示，再综合用户偏好和候选兴趣地点的属性预测用户对候选兴趣地点的喜好评分并进行推荐。对比现有技术，本发明使用更多的历史签到记录来预测下一步的兴趣地点，并使用注意力机制发现历史签到中的关键信息，通过提高关键信息对结果的影响提高推荐性能，进而提供准确高效的推荐服务。