公开(公告)号：CN112650949A

公开(公告)日：2021-04-13

申请号：CN202011642110.X

申请日：2020-12-31

Applicant: 东北大学

Inventor： 李婕 ,  刘宪杰 ,  于瑞云 ,  叶徳志 ,  王兴伟

IPC: G06F16/9536 ,  G06F16/9537 ,  G06K9/62

Abstract: 本发明公开一种基于多源特征融合协同过滤的区域POI需求识别方法，包括：步骤1：获取区域相关数据和POI相关数据；步骤2：设计基于K近邻的MR访问推断算法，得到用户访问POI的区域轨迹数据；步骤3：分析处理区域相关数据和POI相关数据，以及用户访问POI的区域轨迹数据，变成神经网络可以输入的形式；步骤4：构建带有注意力机制的神经协同过滤模型；步骤5：优化带有注意力机制的神经协同过滤模型；步骤6：建模区域和POI之间的关系，得到每个区域的POI需求。本发明采用了多特征融合的协同过滤的手段，不仅考虑了人群轨迹，还结合了区域的地理特征以及POI的评价特征，通过神经协同过滤模型去建模区域和POI之间的关系，算法复杂度低，需求分析精度高。

公开(公告)号：CN112650949B

公开(公告)日：2023-12-29

申请号：CN202011642110.X

申请日：2020-12-31

Applicant: 东北大学

Inventor： 李婕 ,  刘宪杰 ,  于瑞云 ,  叶徳志 ,  王兴伟

IPC: G06F16/9536 ,  G06F16/9537 ,  G06F18/25

Abstract: 本发明公开一种基于多源特征融合协同过滤的区域POI需求识别方法，包括：步骤1：获取区域相关数据和POI相关数据；步骤2：设计基于K近邻的MR访问推断算法，得到用户访问POI的区域轨迹数据；步骤3：分析处理区域相关数据和POI相关数据，以及用户访问POI的区域轨迹数据，变成神经网络可以输入的形式；步骤4：构建带有注意力机制的神经协同过滤模型；步骤5：优化带有注意力机制的神经协同过滤模型；步骤6：建模区域和POI之间的关系，得到每个区域的POI需求。本发明采用了多特征融合的协同过滤的手段，不仅考虑了人群轨迹，还结合了区域的地理特征以及POI的评价特征，通过神经协同过滤模型去建(56)对比文件Ruiyun Yu 等.RePiDeM：A Refined POIDemand Modeling based on Multi-sourceData《.IEEE INFOCOM 2020 - IEEE Conferenceon Computer Communications》.2020,964-973.Y Song 等.Directional Skip-Gram:Explicitly Distinguishing Left and RightContext for Word Embeddings《.NAACL 2018》.2018,175-180.