一种基于显式特征与隐式特征融合的兴趣点推荐方法

摘要

本发明公开了一种基于显式特征与隐式特征融合的兴趣点推荐方法，首先通过数据的预处理，获取用户签到的时间和区域以及兴趣点所在区域及其被访问时的时间信息，然后从中提取用户和兴趣点的显式向量。本发明还提出了一种FGMF模型，该模型时对GMF模型的改进，我们将得到的显式特征向量与n维隐式特征向量一同输入到FGMF模型中进行预训练，然后将其结果输入深度神经网络中进行训练，预测每位用户对兴趣点的评分，然后对评分进行排序，根据评分的高低，为每位用户推荐生成top‑k推荐列表。本发明同时考虑显式特征和隐式特征对兴趣点访问的影响，提高了推荐的准确性。