【技术实现步骤摘要】
本专利技术涉及行为预测，特别是涉及一种位置增强与时间感知的人类在线行为预测方法及系统。
技术介绍
1、随着社交媒体的流行以及定位技术和智能产品的不断革新，人们享受社交网络带来的服务也越来越频繁。预测人类在线行为的目的是向用户推荐用户感兴趣的项目。到目前为止，它们在许多web应用程序中都取得了巨大的成功。从网络应用程序中收集的大量用户行为记录为推荐系统实现准确推荐提供了前所未有的机会。在线用户行为的时间对于捕捉序列模式以开发更好的推荐系统至关重要。作为一种新兴的推荐场景，基于历史行为序列预测用户未来行为的序列推荐(或称下一项推荐)在学术和工业领域越来越受到关注。
2、大部分现有的序列推荐算法(或模型)侧重于按交互时间排序的单向用户行为序列结构，最先进的技术是基于神经网络的方法，包括rnn和transformer等，尽管它们在序列推荐任务中可以获得良好的结果，但它们仍然存在两个缺点。首先，他们中的大多数只考虑用户行为的时间动态性，而忽略了项目属性的时间动态性。正如我们所知，项目具有静态特性，这些特性不会随着时间的推移而变化，也不会随着时间演变而变化。然而，随着时间的推移，一个项目可能会展示出不同的时间动态性，例如受欢迎程度的增长和社交话题的漂移。有必要设计一个统一的框架来同时利用用户偏好和项目属性的动态性。其次，大多数现有方法在定义模型训练的损失函数时只考虑直接的用户-项目交互(即一阶连通性)，而忽略了嵌入用户-用户和项目-项目交互中的重要协同信息。因此，用户和项目的嵌入可能不足以捕捉协同信号(或称为高阶连通性)，后者代
技术实现思路
1、本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本专利技术提出了一种位置增强与时间感知的人类在线行为预测方法，该方法学习用户和项目在不同时刻的动态嵌入，以进一步预测下一时刻目标用户和项目之间可能的交互。
3、本专利技术的另一个目的在于提出一种位置增强与时间感知的人类在线行为预测系统。
4、为达上述目的，本专利技术一方面提出一种位置增强与时间感知的人类在线行为预测方法，包括：
5、获取预训练的行为预测网络模型；其中，所述行为预测网络模型，包括嵌入层、卷积层和预测层；
6、将用户签到行为特征输入所述嵌入层进行用户签到行为特征嵌入以集成为用户行为表示；
7、将所述用户行为表示输入卷积层进行基于位置增强和时间感知图卷积的用户表示和项目表示以输出最终用户嵌入和最终项目嵌入；
8、将所述最终用户嵌入和最终项目嵌入输入所述预测层进行向量的点乘运算以基于运算结果对用户的未来行为进行预测。
9、本专利技术实施例的位置增强与时间感知的人类在线行为预测方法还可以具有以下附加技术特征：
10、在本专利技术的一个实施例中，用户签到行为特征嵌入，包括用户嵌入、项目嵌入、时间嵌入和位置嵌入。
11、在本专利技术的一个实施例中，所述用户嵌入和所述项目嵌入是通过行为预测网络模型训练生成并随机初始化；基于所述用户签到行为特征的所有历史交互创建用户的嵌入矩阵以及项目的嵌入矩阵；通过对用户和项目索引执行直接查找操作以获得用户的用户嵌入和项目的项目嵌入。
12、在本专利技术的一个实施例中，所述卷积层，包括位置增强和时间感知的图卷积以及自注意力聚合器；其中，所述自注意力聚合器，包括多个相同的非线性层，每个非线性层包含一个自注意力层、一个前馈层和一个普通注意力层。
13、在本专利技术的一个实施例中，所述方法，还包括将二分类交叉熵作为损失函数对所述行为预测网络模型进行训练。
14、为达上述目的，本专利技术另一方面提出一种位置增强与时间感知的人类在线行为预测系统，包括：
15、网络模型获取模块，用于获取预训练的行为预测网络模型；其中，所述行为预测网络模型，包括嵌入层、卷积层和预测层；
16、签到行为嵌入模块，用于将用户签到行为特征输入所述嵌入层进行用户签到行为特征嵌入以集成为用户行为表示；
17、特征嵌入输出模块，用于将所述用户行为表示输入卷积层进行基于位置增强和时间感知图卷积的用户表示和项目表示以输出最终用户嵌入和最终项目嵌入；
18、未来行为预测模块，用于将所述最终用户嵌入和最终项目嵌入输入所述预测层进行向量的点乘运算以基于运算结果对用户的未来行为进行预测。
19、本专利技术实施例的位置增强与时间感知的人类在线行为预测方法和系统，在图卷积运算中定义了一个自注意力聚合器，以统一的方式对用户行为的序列模式和交互的时间动态性进行建模。还使用图卷积运算生成用户和项目的动态嵌入，然后堆叠多层图卷积来对高阶协同信息进行建模。
20、本专利技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本专利技术的实践了解到。
本文档来自技高网...【技术保护点】
1.一种位置增强与时间感知的人类在线行为预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户签到行为特征嵌入，包括用户嵌入、项目嵌入、时间嵌入和位置嵌入。
3.根据权利要求2所述的方法，其特征在于，所述用户嵌入和所述项目嵌入是通过行为预测网络模型训练生成并随机初始化；基于所述用户签到行为特征的所有历史交互创建用户的嵌入矩阵以及项目的嵌入矩阵；通过对用户和项目索引执行直接查找操作以获得用户的用户嵌入和项目的项目嵌入。
4.根据权利要求3所述的方法，其特征在于，所述卷积层，包括位置增强和时间感知的图卷积以及自注意力聚合器；其中，所述自注意力聚合器，包括多个相同的非线性层，每个非线性层包含一个自注意力层、一个前馈层和一个普通注意力层。
5.根据权利要求1所述的方法，其特征在于，所述方法，还包括将二分类交叉熵作为损失函数对所述行为预测网络模型进行训练。
6.一种位置增强与时间感知的人类在线行为预测系统，其特征在于，包括：
7.根据权利要求6所述的系统，其特征在于，所述用户签
8.根据权利要求7所述的系统，其特征在于，所述用户嵌入和所述项目嵌入是通过行为预测网络模型训练生成并随机初始化；基于所述用户签到行为特征的所有历史交互创建用户的嵌入矩阵以及项目的嵌入矩阵；通过对用户和项目索引执行直接查找操作以获得用户的用户嵌入和项目的项目嵌入。
9.根据权利要求8所述的系统，其特征在于，所述卷积层，包括位置增强和时间感知的图卷积以及自注意力聚合器；其中，所述自注意力聚合器，包括多个相同的非线性层，每个非线性层包含一个自注意力层、一个前馈层和一个普通注意力层。
10.根据权利要求6所述的系统，其特征在于，还包括模型训练模块，用于将二分类交叉熵作为损失函数对所述行为预测网络模型进行训练。
...【技术特征摘要】
1.一种位置增强与时间感知的人类在线行为预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述用户签到行为特征嵌入，包括用户嵌入、项目嵌入、时间嵌入和位置嵌入。
3.根据权利要求2所述的方法，其特征在于，所述用户嵌入和所述项目嵌入是通过行为预测网络模型训练生成并随机初始化；基于所述用户签到行为特征的所有历史交互创建用户的嵌入矩阵以及项目的嵌入矩阵；通过对用户和项目索引执行直接查找操作以获得用户的用户嵌入和项目的项目嵌入。
4.根据权利要求3所述的方法，其特征在于，所述卷积层，包括位置增强和时间感知的图卷积以及自注意力聚合器；其中，所述自注意力聚合器，包括多个相同的非线性层，每个非线性层包含一个自注意力层、一个前馈层和一个普通注意力层。
5.根据权利要求1所述的方法，其特征在于，所述方法，还包括将二分类交叉熵作为损失函数对所述行为预测网络模型进行训练。
【专利技术属性】
技术研发人员：黄立威，刘艳博，吕守业，田菁，张一鸣，聂婧，栾奇骏，
申请(专利权)人：北京市遥感信息研究所，
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。