[发明专利]针对社交网络用户在未来给定时间的访问位置预测方法

说明书

本发明公开了一种针对社交网络用户在未来给定时间的访问位置预测方法，其包括如下步骤：获得基于时间窗口敏感的用户隐含偏好表示；获得兴趣点隐含表示；获得地理影响力隐含表示；将用户隐含偏好表示、兴趣点隐含表示、地理影响力隐含表示进行拼接操作，输入多层神经网络计算用户在特定时间窗口针对兴趣点的访问概率；构建目标函数，利用贝叶斯个性化排序对目标函数优化，利用梯度下降算法获得模型参数；利用训练好的多层神经网络模型对目标用户的访问位置进行预测，选取top‑K概率值对应的候选位置形成有序列表，作为最终访问位置预测结果。本发明能够对未来给定时间目标用户的访问位置进行有效预测。

技术领域

本发明涉及一种针对社交网络用户在未来给定时间的访问位置预测方法。

背景技术

移动社交网络是位置与社交的结合，它支持用户随时随地记录并分享自己的地理位置信息，在线上虚拟世界与线下物理空间之间架起了一座桥梁。移动社交网络具有社会化、本地化和移动性等信息服务特征，其产生的海量位置轨迹数据记录了人们在真实物理世界的移动过程，反映了人们的生活与出行习惯，蕴含了极为丰富的时空语义信息。

通过深入分析挖掘移动社交网络中用户位置轨迹，能够发现位置轨迹背后隐藏的各种用户移动行为模式和个人访问偏好，进而预测用户在未来访问的位置，这不仅能为活动推荐与商品精准化营销带来价值，还利于构筑智慧交通与智慧城市，具有重要的现实与社会意义。

在移动社交网络中，用户对于不同位置的访问偏好随自身所处的综合环境发生变化，因而，如何挖掘用户移动行为与语义时空环境之间的深度关联至关重要。

诸多技术借助循环神经网络融合用户短期位置轨迹中的时间、空间特征以洞悉用户即时的访问需求，据此预测用户下一个访问位置，其难点在于捕捉轨迹中各位置的相关性以及用户行为偏好的时序演变规律。部分技术将时间间隔和地理距离通过“门控”的形式融入循环神经网络结构使其具备时空情境感知能力，从而隐式地赋予时间间隔较短、地理距离较近的轨迹更大的权重以刻画用户即时的访问偏好，进而预测用户下一个访问位置。

另外一些技术是将用户轨迹按照时间间隔划分为不同子轨迹，随后将子轨迹逐一输入循环神经网络，通过注意力机制捕捉与当前时间节点用户隐含状态相似的历史轨迹，以感知用户对于时间上下文的偏好，随后基于注意力权重进行轨迹聚合以获悉用户即时的访问需求。

然而，现有技术中基于情境感知的位置预测技术，主要是针对用户下一次移动行为进行访问位置的预测，且多通过间接、隐式地方式刻画用户所处时间上下文，并未对时间因素进行直接、显式地处理，因此，对于给定时间下用户移动偏好的情境感知尚不充分。

可见，现有关于移动社交网络用户在未来指定时间的访问位置预测技术较为匮乏。

用户所处的时空上下文是其选择访问目的地的重要因素，在真实场景下，用户在不同时间、不同地域对访问目的地会产生迥异的选择和需求。由于现有的位置预测技术忽略了用户在特定时间窗口的移动模式与访问偏好，因此难以预测用户在未来指定时间的访问位置。

发明内容

本发明的目的在于提出一种针对社交网络用户在未来给定时间的访问位置预测方法，该方法能够对未来给定时间目标用户的访问位置进行有效预测。

本发明为了实现上述目的，采用如下技术方案：

一种针对社交网络用户在未来给定时间的访问位置预测方法，包括如下步骤：

步骤1. 获得时间窗口敏感的用户隐含偏好表示；