【技术实现步骤摘要】
本专利技术涉及数据处理，尤其涉及一种基于节点关系的兴趣点推荐方法、装置、设备及介质。
技术介绍
1、随着导航技术的不断发展，导航功能也随之逐步完善和扩展，例如，能够在用户行驶途中为用户推荐感兴趣的兴趣区域或位置等。
2、现有技术通常会通过分析用户历史行为和利用其他用户的喜好来预测用户的兴趣，这种方法可以挖掘用户之间的相互影响。然而，现有的兴趣点推荐方法，都没有充分利用用户在各方各面的相关联信息，从而无法准确的计算用户对某个兴趣点的喜好程度，进而导致对用户的兴趣点偏好确定不准确等问题。
技术实现思路
1、本专利技术提供了一种基于节点关系的兴趣点推荐方法、装置、设备及介质，以提高兴趣点的推荐准确度。
2、根据本专利技术的一方面，提供了一种基于节点关系的兴趣点推荐方法，所述方法包括：
3、获取待预测用户的用户历史兴趣点poi和至少一个待推荐poi；
4、根据目标知识图谱中各实体节点之间的节点关联关系，生成各所述实体节点对应的节点嵌入向量；
5、根据各所述实体节点的节点嵌入向量，确定所述用户历史poi的用户嵌入向量和各所述待推荐poi分别对应的待推荐嵌入向量；
6、将所述用户嵌入向量和所述待推荐嵌入向量输入至预先训练得到的目标兴趣点推荐模型得到模型输出的用户历史poi与各所述待推荐poi之间的兴趣点得分；
7、根据各所述兴趣点得分，从各所述待推荐poi中选取目标推荐兴趣点。
8、根据本专利技术的
9、poi获取模块，用于获取待预测用户的用户历史兴趣点poi和至少一个待推荐poi；
10、嵌入向量生成模块，用于根据目标知识图谱中各实体节点之间的节点关联关系，生成各所述实体节点对应的节点嵌入向量；
11、待推荐向量确定模块，用于根据各所述实体节点的节点嵌入向量，确定所述用户历史poi的用户嵌入向量和各所述待推荐poi分别对应的待推荐嵌入向量；
12、兴趣点得分确定模块，用于将所述用户嵌入向量和所述待推荐嵌入向量输入至预先训练得到的目标兴趣点推荐模型得到模型输出的用户历史poi与各所述待推荐poi之间的兴趣点得分；
13、兴趣点选取模块，用于根据各所述兴趣点得分，从各所述待推荐poi中选取目标推荐兴趣点。
14、根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
15、至少一个处理器；以及
16、与所述至少一个处理器通信连接的存储器；其中，
17、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的基于节点关系的兴趣点推荐方法。
18、根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的基于节点关系的兴趣点推荐方法。
19、本专利技术实施例技术方案通过获取待预测用户的用户历史兴趣点poi和至少一个待推荐poi；根据目标知识图谱中各实体节点之间的节点关联关系，生成各实体节点对应的节点嵌入向量；根据各实体节点的节点嵌入向量，确定用户历史poi的用户嵌入向量和各待推荐poi分别对应的待推荐嵌入向量；将用户嵌入向量和待推荐嵌入向量输入至预先训练得到的目标兴趣点推荐模型得到模型输出的用户历史poi与各待推荐poi之间的兴趣点得分；根据各兴趣点得分，从各待推荐poi中选取目标推荐兴趣点。上述技术方案通过在推荐兴趣点的过程中，引入节点嵌入向量表征用户历史poi和待推荐poi的poi特征，并充分利用目标知识图谱中各实体节点关系确定节点的节点嵌入向量，能够更加准确的表征用户对某个实体的喜好程度，从而提高了对目标推荐poi的确定准确度，进而实现了对用户兴趣点的准确推荐。
20、应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种基于节点关系的兴趣点推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标兴趣点推荐模型包括用户偏好特征提取模块、预测POI特征提取模块和得分预测模块；
3.根据权利要求2所述的方法，其特征在于，所述将所述用户历史POI输入至所述用户偏好特征提取模块进行用户偏好特征提取，得到用户偏好特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，在所述将所述用户历史POI的邻居节点确定为第一邻居节点，以及将所述第一邻居节点的邻居节点确定为第二邻居节点之前，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述预测POI特征提取模块包括关系权重预测单元和预测POI特征提取单元；
6.根据权利要求5所述的方法，其特征在于，所述将所述用户偏好特征向量输入至所述关系权重预测单元进行关系权重预测，得到所述待推荐POI与至少一个节点关系之间的关系权重，包括：
7.根据权利要求5所述的方法，其特征在于，所述将所述待推荐嵌入向量和各所述关系权重输入至所述预测POI特征提取单元进行特征提
8.根据权利要求1所述的方法，其特征在于，所述根据目标知识图谱中各实体节点之间的节点关联关系，生成各所述实体节点对应的节点嵌入向量，包括：
9.根据权利要求8所述的方法，其特征在于，所述根据所述目标知识图谱中各实体节点之间的节点关联关系，生成邻接矩阵，包括：
10.根据权利要求1所述的方法，其特征在于，所述方法还包括：
11.根据权利要求10所述的方法，其特征在于，所述嵌入向量预测模型包括映射关系预测模块、注意力权重预测模块和嵌入向量预测模块；所述三元组信息包括头实体、关系和尾实体；所述头实体、关系和尾实体分别对应有相应的节点嵌入向量；
12.根据权利要求11所述的方法，其特征在于，所述将所述头实体的头节点嵌入向量、关系的关系嵌入向量和尾实体的尾节点嵌入向量输入至注意力权重预测模块进行注意力权重预测，得到注意力权重参数，包括：
13.一种基于节点关系的兴趣点推荐装置，其特征在于，包括：
14.一种电子设备，其特征在于，所述电子设备包括：
15.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-12中任一项所述的基于节点关系的兴趣点推荐方法。
...【技术特征摘要】
1.一种基于节点关系的兴趣点推荐方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述目标兴趣点推荐模型包括用户偏好特征提取模块、预测poi特征提取模块和得分预测模块；
3.根据权利要求2所述的方法，其特征在于，所述将所述用户历史poi输入至所述用户偏好特征提取模块进行用户偏好特征提取，得到用户偏好特征向量，包括：
4.根据权利要求3所述的方法，其特征在于，在所述将所述用户历史poi的邻居节点确定为第一邻居节点，以及将所述第一邻居节点的邻居节点确定为第二邻居节点之前，所述方法还包括：
5.根据权利要求2所述的方法，其特征在于，所述预测poi特征提取模块包括关系权重预测单元和预测poi特征提取单元；
6.根据权利要求5所述的方法，其特征在于，所述将所述用户偏好特征向量输入至所述关系权重预测单元进行关系权重预测，得到所述待推荐poi与至少一个节点关系之间的关系权重，包括：
7.根据权利要求5所述的方法，其特征在于，所述将所述待推荐嵌入向量和各所述关系权重输入至所述预测poi特征提取单元进行特征提取，得到预测poi特征向量，包括：
8.根据权利要求1所述的方法，其特征...
【专利技术属性】
技术研发人员：石山山，刘禄，范俊，于强，徐小光，李滨，李明凯，
申请(专利权)人：沈阳美行科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。