公开(公告)号：CN114741614B

公开(公告)日：2024-11-12

申请号：CN202210240378.3

申请日：2022-03-10

Applicant: 东北大学

Inventor： 王爽 ,  王伯伟

IPC: G06F16/9537 ,  G06F16/9535

Abstract: 本发明提供的一种基于位置编码器和时空嵌入的位置推荐方法，涉及用户位置推荐技术领域；通过位置编码器和注意力将空间地理坐标编码成向量缓解了空间地理坐标的稀疏性，加强坐标之间的关联性。一方面，使用基于位置编码器的时空嵌入自注意力模型取代了传统的循环神经网络和卷积神经网络，在计算方式上可以并行，显著提高了位置预测模型的训练速度；另一方面，基于位置编码器和时空嵌入的位置推荐方法融合了POI的地理坐标和签到时间戳这些重要轨迹信息，充分地提取了绝对时空信息和相对时空信息，弥补了传统模型很难考虑到多方面轨迹信息对于预测模型的影响。在预测精度方面相比传统模型获得了重大的性能提升。

公开(公告)号：CN114741614A

公开(公告)日：2022-07-12

申请号：CN202210240378.3

申请日：2022-03-10

Applicant: 东北大学

Inventor： 王爽 ,  王伯伟

IPC: G06F16/9537 ,  G06F16/9535

Abstract: 本发明提供的一种基于位置编码器和时空嵌入的位置推荐方法，涉及用户位置推荐技术领域；通过位置编码器和注意力将空间地理坐标编码成向量缓解了空间地理坐标的稀疏性，加强坐标之间的关联性。一方面，使用基于位置编码器的时空嵌入自注意力模型取代了传统的循环神经网络和卷积神经网络，在计算方式上可以并行，显著提高了位置预测模型的训练速度；另一方面，基于位置编码器和时空嵌入的位置推荐方法融合了POI的地理坐标和签到时间戳这些重要轨迹信息，充分地提取了绝对时空信息和相对时空信息，弥补了传统模型很难考虑到多方面轨迹信息对于预测模型的影响。在预测精度方面相比传统模型获得了重大的性能提升。