公开(公告)号：CN112948716B

公开(公告)日：2023-02-28

申请号：CN202110245049.3

申请日：2021-03-05

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  程兴和 ,  张敬伟

IPC: G06F16/9537 ,  G06F16/9536 ,  G06N20/00 ,  G06Q50/00

Abstract: 本发明的一种基于多头注意力机制的连续兴趣点包推荐方法，其包括以下步骤：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过编码器与多头注意力机制得到序列中的兴趣点变化信息，将得到的信息输入解码器中进行拟合，解码器结构与编码器对称，经过管道搜索的方式学习出适应该区域用户的最优超参数；四、将训练模型部署在多个服务器中，输入区域内用户近一周的访问序列，将后续一周内的行程安排建议打包推送给用户；五、记录用户接下来一周内的打卡地点序列以及对访问兴趣点的评价。本发明能为用户提供一周内的后续行程安排建议。

公开(公告)号：CN112948716A

公开(公告)日：2021-06-11

申请号：CN202110245049.3

申请日：2021-03-05

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  程兴和 ,  张敬伟

IPC: G06F16/9537 ,  G06F16/9536 ,  G06N20/00 ,  G06Q50/00

Abstract: 本发明的一种基于多头注意力机制的连续兴趣点包推荐方法，其包括以下步骤：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过编码器与多头注意力机制得到序列中的兴趣点变化信息，将得到的信息输入解码器中进行拟合，解码器结构与编码器对称，经过管道搜索的方式学习出适应该区域用户的最优超参数；四、将训练模型部署在多个服务器中，输入区域内用户近一周的访问序列，将后续一周内的行程安排建议打包推送给用户；五、记录用户接下来一周内的打卡地点序列以及对访问兴趣点的评价。本发明能为用户提供一周内的后续行程安排建议。

公开(公告)号：CN112948709A

公开(公告)日：2021-06-11

申请号：CN202110246458.5

申请日：2021-03-05

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  程兴和 ,  张敬伟

IPC: G06F16/9536 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明涉及兴趣点推荐技术领域，涉及一种影响力感知驱动的连续兴趣点实时推荐方法，包括：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过门控循环单元加注意力机制得到一段序列中每一个兴趣点所占影响力向量，将得到的向量输入全连接神经网络拟合，经过管道搜索的方式学习出适应该区域的最优超参数；四、将训练模型部署在多个服务器中；五、记录用户下一打卡地点以及对兴趣点的评分。本发明能实现精确、实时的对用户下一兴趣点的推荐。

公开(公告)号：CN112948709B

公开(公告)日：2022-03-25

申请号：CN202110246458.5

申请日：2021-03-05

Applicant: 桂林电子科技大学

Inventor： 杨青 ,  程兴和 ,  张敬伟

IPC: G06F16/9536 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明涉及兴趣点推荐技术领域，涉及一种影响力感知驱动的连续兴趣点实时推荐方法，包括：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过门控循环单元加注意力机制得到一段序列中每一个兴趣点所占影响力向量，将得到的向量输入全连接神经网络拟合，经过管道搜索的方式学习出适应该区域的最优超参数；四、将训练模型部署在多个服务器中；五、记录用户下一打卡地点以及对兴趣点的评分。本发明能实现精确、实时的对用户下一兴趣点的推荐。