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！

龙图腾网获悉中北大学申请的专利融合社会关系网络和时空上下文信息的POI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：CN119691292B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411763492.X，技术领域涉及：G06F16/9537；该发明授权融合社会关系网络和时空上下文信息的POI推荐方法是由李潞洋;郭秉璇;杨晓文;况立群;孙福盛;熊风光;张元;韩慧妍设计研发完成，并于2024-12-03向国家知识产权局提交的专利申请。

本融合社会关系网络和时空上下文信息的POI推荐方法在说明书摘要公布了：本发明属于大数据分析技术领域，具体涉及一种融合社会关系网络和时空上下文信息的POI推荐方法。针对没有充分考虑社会关系对个人访问轨迹的影响、未有效提取和融合时空上下文信息特征的问题，将用户特征和时间信息特征细分为多个子特征，深入挖掘特征之间的关系，同时构建区域用户轨迹图对POI‑POI社会关系网络进行建模，通过编码器全面学习用户和时空上下文信息特征，并进行加权融合，捕捉用户的动态偏好，从而提升POI预测的准确性。

本发明授权融合社会关系网络和时空上下文信息的POI推荐方法在权利要求书中公布了：1.一种融合社会关系网络和时空上下文信息的POI推荐方法，其特征在于，包括以下步骤： 步骤1，获取用户签到序列数据并对其进行数据预处理、构建区域用户轨迹图； 步骤2，将步骤1预处理后的用户签到序列数据和构建的域用户轨迹图输入预先训练好的POI推荐模型，进行下一个POI推荐；所述POI推荐模型融合社会关系网络和时空上下文信息，包括社会关系学习模块、POI时空-类别特征融合模块、编码器和解码器；所述社会关系学习模块通过融合门控循环单元的图卷积神经网络对区域用户轨迹图进行特征聚合和噪声过滤处理，学习每个POI的特征，得到每个POI的特征向量；所述POI时空-类别特征融合模块通过时间-空间融合模块和时间-类别融合模块对用户签到序列数据中不同维度的POI时空信息进行初步特征提取与融合，得到用户签到活动的时间-空间融合特征和时间-类别融合特征；所述编码器通过用户特征学习模块和时空特征学习模块对用户轨迹序列进行特征提取，得到用户特征和时空特征； 所述用户特征学习模块：通过一个嵌入层构建目标用户u个人信息的用户特征向量，将用户签到数据构建为基于图的用户轨迹图和基于序列的用户签到序列两种模式；对于用户轨迹图，使用融合门控循环单元的图卷积神经网络进行特征提取，将得到的POI特征向量与用户特征向量拼接，输入全连接层中进行非线性变换，从而得到基于图的POI-User融合特征向量；对于用户签到序列，采用轻量自注意力机制和通道卷积，分别捕捉全局上下文信息和局部上下文信息；对于捕捉全局上下文信息，先将社会关系学习模块得到的特征向量与用户特征向量拼接，输出基于序列的POI-User融合特征向量，再使用简化的轻量级自注意力机制获取全局信息，输入全连接层FC1中进行非线性变换，得到基于序列的POI-User全局特征向量；对于捕捉局部上下文信息，将基于序列的POI-User融合特征向量输入二维通道卷积层conv2D中以获取局部信息，再输入全连接层FC2中进行非线性变换，从而得到基于序列的POI-User局部特征向量；基于POI-User融合特征向量、POI-User全局特征向量和局部特征向量，得到用户特征； 所述解码器使用三个多层感知机分别预测下一个POI、访问时间段和POI类别，定义如下式所示： ； ； ； 其中，表示下一个POI，表示访问时间段，表示POI类别，、、分别表示各自的权重，、、分别表示各自的偏差。

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中北大学，其通讯地址为：030051 山西省太原市学院路3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。