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！

龙图腾网获悉暨南大学申请的专利一种基于图卷积与注意力机制的时空旅游需求预测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：CN115438837B 。

龙图腾网通过国家知识产权局官网在2025-09-16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：202210945483.7，技术领域涉及：G06Q10/04；该发明授权一种基于图卷积与注意力机制的时空旅游需求预测方法是由周炳贵;杨光华;施政;徐素秀;胡铮;江海涛设计研发完成，并于2022-08-08向国家知识产权局提交的专利申请。

本一种基于图卷积与注意力机制的时空旅游需求预测方法在说明书摘要公布了：本发明提供一种基于图卷积与注意力机制的时空旅游需求预测方法，包括以下步骤：数据获取；景点间空间联系分析：根据所获取的数据，确定可以显式表示的景点间空间联系，同时归纳隐式空间联系可能的相关因素；时空信息表示：针对显式和隐式空间联系分别构建动态多维图、时空序列；高维空间联系嵌入：根据时空信息表示，使用图卷积嵌入层和空间自注意力嵌入层分别提取高维显式与隐式空间联系表示，聚合成高维空间联系表示；高维时空特征提取：应用双向卷积长短时记忆层与时间自注意力层逐步提取短期高维时空特征和长期高维时空特征；时空旅游需求预测。本发明可显著提升时空旅游需求预测性能，该分析方法与预测模型具有重要的指导意义与应用价值。

本发明授权一种基于图卷积与注意力机制的时空旅游需求预测方法在权利要求书中公布了：1.一种时空旅游需求预测方法，其特征在于，包括以下步骤： S1、数据获取步骤，根据经验与数据可用性，获取针对景区时空旅游需求预测所能获取的有用数据； S2、景点间空间联系分析步骤，根据所获取的有用数据，分析所述景区的景点间空间联系，确定可显式表示的景点间空间联系，并针对难以被显式表示的隐式空间联系，归纳隐式空间联系的相关因素； S3、时空信息表示步骤，针对所述景点间显式空间联系与隐式空间联系，构建时空信息表示，具体包括： S301、与景点间显式空间联系关联的多维动态图的构建，考虑一个有个景点的景区，构建一个动态多维图，其由代表多个景点的节点集与个不相交的代表不同显式动态联系的子集构成的边集组成， S302、与景点间隐式空间联系关联的时空序列的构建，考虑个可能与所述隐式空间联系相关的变量，该时空序列可表示为： ，其中为的时序长度，为景点数； S4、高维空间联系嵌入步骤，根据所述时空信息表示，使用图卷积嵌入层从所述动态多维图中提取高维显式空间联系表示，使用空间自注意力嵌入层从所述时空序列中提取高维隐式空间联系表示，最后将所述高维显式空间联系表示与所述高维隐式空间联系表示聚合成高维空间联系表示； S5、高维时空特征提取步骤，在所述高维空间联系特征序列上，应用双向卷积长短时记忆层与时间自注意力层逐步提取短期高维时空特征和长期高维时空特征； S6、预测步骤，根据提取到的所述高维时空特征，对时空旅游需求进行预测； 其中，所述S4高维空间联系嵌入步骤包括： S401、使用图卷积嵌入层提取高维显式空间联系表示，假设历史旅游需求与种显式空间联系相关，则其图嵌入表示为： ， 其中由时刻第种显式空间联系与通过图卷积运算得到，假设种周期性旅游需求，周期性旅游需求与种显式空间联系相关，则其图嵌入表示为： ， 其中由时刻第种显式空间联系与通过图卷积运算得到，最终的高维显式空间联系表示由与各组连接并加上一个全连接层得到： ， 其中是线性整流函数，和是可学习参数与偏置；以及 S402、使用空间自注意力嵌入层提取高维隐式空间联系表示，假设实际每次输入到空间自注意力嵌入层的序列是时序长度为的时空序列，首先将其分割为个片段，将每个片段分别线性映射为，，三个矩阵，进行缩放点积注意力计算，最后聚合为空间自注意力的输出，经由两个层归一化与一个前馈层后，得到高维隐式空间联系表示： ， ， ， ，其中为缩放点积注意力计算。

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暨南大学，其通讯地址为：510632 广东省广州市黄埔大道西601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”。