买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉华中科技大学申请的专利一种基于社交时空信息与用户偏好的连续兴趣点推荐方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115422441B 。

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210962016.5，技术领域涉及：G06F16/9535；该发明授权一种基于社交时空信息与用户偏好的连续兴趣点推荐方法是由李玉华;吴君壮;李瑞轩;辜希武设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本一种基于社交时空信息与用户偏好的连续兴趣点推荐方法在说明书摘要公布了：本发明公开了一种基于社交时空信息与用户偏好的连续兴趣点推荐方法及系统。该方法包括：获取用户签到序列中用户的长期偏好特征和短期偏好特征；获取用户签到序列中每个位置上的地理空间特征；获取用户签到序列中每个位置上的用户社交信息特征；将长期偏好特征、短期偏好特征、地理空间特征以及用户社交信息特征进行相加融合成为多语义特征，并输入至推荐模型中，生成符合用户喜好的兴趣点推荐列表。解决了签到数据稀疏性，元信息利用广度不足和冷用户推荐不准确的技术问题，实现对用户签到序列进行了层次化特征提取，增加了地理空间特征，增强了用户社交信息特征，全面学习用户的行为特点，准确推荐的下一个兴趣点，优化用户的使用感受。

本发明授权一种基于社交时空信息与用户偏好的连续兴趣点推荐方法在权利要求书中公布了：1.一种基于社交时空信息与用户偏好的连续兴趣点推荐方法，其特征在于，包括： 获取用户签到序列中用户的长期偏好特征和短期偏好特征； 统计每个用户签到序列数据集中所有兴趣点的经纬度信息，使用函数计算每两个兴趣点之间的实际地理距离； 设定距离阈值，根据各所述实际地理距离构建邻接矩阵，通过邻接矩阵获取每个兴趣点的邻居集合； 遍历每个兴趣点的邻居集合，分别计算每个兴趣点和邻居节点之间的注意力系数和距离系数，对应聚合为每个兴趣点的地理空间特征； 获取所述用户签到序列中每个位置上的用户社交信息特征； 将所述长期偏好特征、所述短期偏好特征、所述地理空间特征以及所述用户社交信息特征进行相加融合成为多语义特征，并输入至推荐模型中，生成符合用户喜好的兴趣点推荐列表； 其中，所述获取用户签到序列中用户的长期偏好特征和短期偏好特征，包括： 通过多头注意力机制对输入的所述用户签到序列进行特征提取，从多个子空间学习到用户的长期偏好特征； 通过循环神经网络RNN对输入的所述用户签到序列进行特征提取，对用户的近期签到行为进行建模，学习到用户的短期偏好特征； 所述遍历每个兴趣点的邻居集合，分别计算每个兴趣点和邻居节点之间的注意力系数和距离系数，对应聚合为每个兴趣点的地理空间特征，包括： 获取目标兴趣点的初始特征以及目标兴趣点的邻居集合； 从所述邻居集合中依次获取一个兴趣点，依次计算获取的兴趣点与目标兴趣点之间的注意力系数：；其中，为注意力打分机制，通过打分函数计算两点之间的相关性，得出一个分数，再使用softmax对分数进行归一化；表示的相似度计算函数，表示可训练的参数矩阵，是节点的特征；表示的是兴趣点的邻居兴趣点集合； 依次计算获取的兴趣点与目标兴趣点之间的距离系数：；其中，表示的是两个兴趣点之间的距离； 根据每次计算得到的所述注意力系数和所述距离系数更新目标兴趣点的特征：； 遍历所述邻居集合后，根据目标兴趣点的位置信息，构造所述目标兴趣点的地理空间特征向量；并构造每个兴趣点的地理空间特征； 所述将所述长期偏好特征、所述短期偏好特征、所述地理空间特征以及所述用户社交信息特征进行相加融合成为多语义特征，并输入至推荐模型中，生成符合用户喜好的兴趣点推荐列表，包括： 将所述长期偏好特征、所述短期偏好特征、所述地理空间特征以及所述用户社交信息特征的特征向量信息进行拼接，生成兴趣点元数据； 基于所述兴趣点元数据计算下一个兴趣点的候选集的概率分布； 选取候选集中概率最大的前个作为用户喜好的兴趣点推荐列表。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人华中科技大学，其通讯地址为：430074 湖北省武汉市洪山区珞喻路1037号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。