兴趣点推荐方法和兴趣点推荐模型的训练方法、装置.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN114969577A(43)申请公布日2022.08.30(21)申请号202210839755.5(22)申请日2022.07.18(71)申请人百度在线网络技术(北京)有限公司地址100085北京市海淀区上地十街10号百度大厦三层(72)发明人辛浩然路新江窦德景(74)专利代理机构中科专利商标代理有限责任公司11021专利代理师吕朝蕙(51)Int.Cl.G06F16/9537(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书5页说明书28页附图9页(54)发明名称兴趣点推荐方法和兴趣点推荐模型的训练方法、装置(57)摘要本公开提供了一种兴趣点推荐方法和兴趣点推荐模型的训练方法、装置，涉及人工智能领域，具体涉及大数据、度量学习和深度学习等技术领域，可应用于智能推荐等场景。兴趣点推荐方法的具体实现方案为：根据目标对象对常驻区域的访问数据和多个兴趣点所属区域的访问记忆特征，确定目标对象的偏好特征；根据偏好特征与多个兴趣点中每个兴趣点的空间约束特征之间的差异，确定多个兴趣点中针对目标对象的待推荐兴趣点，其中，区域的访问记忆特征是根据参考对象对区域的访问数据确定的，区域为针对参考对象的异地区域；空间约束特征是根据多个兴趣点彼此之间的位置关系确定的。CN114969577ACN114969577A权利要求书1/5页1.一种兴趣点推荐方法，包括：根据目标对象对常驻区域的访问数据和多个兴趣点所属区域的访问记忆特征，确定所述目标对象的偏好特征；以及根据所述偏好特征与所述多个兴趣点中每个兴趣点的空间约束特征之间的差异，确定所述多个兴趣点中针对所述目标对象的待推荐兴趣点，其中，区域的访问记忆特征是根据参考对象对所述区域的访问数据确定的，所述区域为针对所述参考对象的异地区域；所述空间约束特征是根据所述多个兴趣点彼此之间的位置关系确定的。2.根据权利要求1所述的方法，其中，所述根据目标对象对常驻区域的访问数据和多个兴趣点所属区域的访问记忆特征，确定所述目标对象的偏好特征包括：根据所述目标对象对所述常驻区域的访问数据，确定所述目标对象针对所述常驻区域的访问特征；根据所述访问特征和所述多个兴趣点所属区域中每个区域的访问记忆特征，确定所述每个区域与所述目标对象之间的关联强度；以所述关联强度为权重，根据所述多个兴趣点所属区域的访问记忆特征确定所述目标对象对所述多个兴趣点所属区域的群体记忆特征；以及根据所述访问特征和所述群体记忆特征，确定所述目标对象的偏好特征。3.根据权利要求2所述的方法，其中，所述根据所述访问特征和所述群体记忆特征，确定所述目标对象的偏好特征包括：根据映射矩阵对所述访问特征进行转移处理，得到转移后访问特征；以及根据所述转移后访问特征和所述群体记忆特征，确定所述目标对象的偏好特征，其中，所述映射矩阵与所述目标对象的常驻区域相对应。4.根据权利要求3所述的方法，其中，所述根据所述偏好特征与所述每个兴趣点的空间约束特征之间的差异，确定所述多个兴趣点中针对所述目标对象的待推荐兴趣点包括：根据所述映射矩阵对所述每个兴趣点的空间约束特征进行转移处理，得到所述每个兴趣点的转移后约束特征；以及确定所述多个兴趣点中所述转移后约束特征与所述偏好特征之间的差异较小的第一预定数量个兴趣点，得到所述待推荐兴趣点。5.根据权利要求2所述的方法，其中，所述根据所述访问特征和所述多个兴趣点所属区域中每个区域的访问记忆特征，确定所述每个区域与所述目标对象之间的关联强度包括：针对所述每个区域，采用第一激活函数对所述每个区域的访问记忆特征和所述访问特征进行处理，得到所述每个区域与所述目标对象之间的关联特征；以及根据所述每个区域与所述目标对象之间的关联特征和所述多个兴趣点所属区域分别与所述目标对象之间的关联特征，确定所述每个区域与所述目标对象之间的关联强度。6.根据权利要求5所述的方法，其中，所述每个区域的访问记忆特征包括存储在第二预定数量个插槽的第二预定数量个子特征；所述针对所述每个区域，采用第一激活函数对所述每个区域的访问记忆特征和所述访问特征进行处理，得到所述每个区域与所述目标对象之间的关联特征包括：采用注意力机制对所述访问特征和所述第二预定数量个子特征中的每个子特征进行2CN114969577A权利要求书2/5页处理，得到所述每个子特征与所述目标对象之间的子关联强度；以所述子关联强度为权重，根据所述第二预定数量个子特征确定所述目标对象对所述每个区域的记忆特征；以及采用所述第一激活函数对所述记忆特征和所述访问特征进行处理，得到所述每个区域与所述目标对象之间的关联特征。7.根据权利要求6所述的方法，其中，所述采用注意力机制对所述访问特征和所述第二预定数量个子特征中