[发明专利]即时配送场景下商店选址推荐方法

权利要求书

1.即时配送场景下商店选址推荐方法，其特征在于：

包括以下步骤：

步骤1：数据预处理模块：包括获得待处理的骑手数据，订单数据和上下文数据，使用特征提取和图的构建技术得到处理后的数据；

步骤2：骑手运力建模：包括获得初步处理的骑手移动性图，一个嵌入细粒度骑手运力的骑手运力模型，以此作为区域类型异构多图的输入；

步骤3：基于异构多图的推荐模块：基于骑手运力模型中的区域类型异构多图和边缘嵌入，一个具有节点级别和语义级别的聚合的基于异构多图的推荐模型，以捕获受多个因素影响的用户偏好以及商店区域和商店类型之间的交互信息，输入受多个因素影响的用户偏好以及商店区域和商店类型之间的交互信息；采用所述方法，提供合理的多图注意力网络算法以实现在具有不同分布的数据集上均能得到较优的商店的选址推荐结果。

2.根据权利要求1所述的即时配送场景下商店选址推荐方法，其特征在于：所述步骤1中的：

订单数据包括空间信息，骑手的临时信息和环境信息；空间信息包括订单交付的来源位置(即商店位置)和目的地位置(即用户位置)；

骑手报告的临时信息包括订单节点时间：订单创建时间、订单提取时间和交时间；环境信息包括用户与商店之间的距离以及商店类型；

骑手的轨迹数据即指骑手工作时，从他的智能手机获取的连续的位置信息；这些位置信息在征得骑手同意后，会以20秒为周期，上传到平台；该信息包含骑手ID、GPS位置和时间戳；

上下文数据包括兴趣点(POI)和道路网络信息；POI指在地图上具有非地理意义的有意义的点，可以从在线地图服务提供商处获取基于开放API的POI数据；POI和道路网络信息可以描述城市中不同区域的特征和意义，在商店选址推荐中起到相当重要的作用。

3.根据权利要求1所述的即时配送场景下商店选址推荐方法，其特征在于：所述步骤1中的：

订单数据包括空间信息，骑手的临时信息和环境信息；空间信息包括订单交付的来源位置(即商店位置)和目的地位置(即用户位置)；

骑手报告的临时信息包括订单节点时间：订单创建时间、订单提取时间和交时间；环境信息包括用户与商店之间的距离以及商店类型；

骑手的轨迹数据即指骑手工作时，从他的智能手机获取的连续的位置信息；这些位置信息在征得骑手同意后，会以20秒为周期，上传到平台；该信息包含骑手ID、GPS位置和时间戳；

上下文数据包括兴趣点(POI)和道路网络信息；POI指在地图上具有非地理意义的有意义的点，可以从在线地图服务提供商处获取基于开放API的POI数据；POI和道路网络信息可以描述城市中不同区域的特征和意义，在商店选址推荐中起到相当重要的作用。

4.根据权利要求1所述的即时配送场景下商店选址推荐方法，其特征在于：步骤2：骑手运力建模:对于周期t的每个子图首先从区域地理图和骑手移动图中分别找到每个节点的两种邻域：地理语义邻域和移动语义邻域；通过地理语义聚合和移动性语义聚合得到节点嵌入，并将其连接为边缘嵌入，以重构骑手移动图的移动性边缘的属性；然后利用边嵌入作为区域类型异构多重图的输入；对这个模块的训练被用作辅助主任务的训练。

5.根据权利要求4所述的即时配送场景下商店选址推荐方法，其特征在于：所述地理语义聚合是指：

每一个区域i都有一个初始嵌入其中d₁是嵌入尺寸；对于区域i的地理邻域我们利用区域之间的距离来计算权重，其定义为：

其中dis(i，j)表示区域i和区域j之间的距离。在第l次的地理语义聚合后，可以得到区域i的嵌入定义为：

其中，表示在(l-1)次的地理语义聚合之后，区域j的嵌入，σ(·)是一个激活函数；

所述移动语义聚合是指：对于区域i的语义邻域根据GAT计算不同邻域之间的权重α^mob(i,j)，这被定义为然后得到了区域i在移动语义聚合后的嵌入b_s,i，被定义为：

其中ψ是参数化的注意向量；和分别是区域j和区域i的初始嵌入。