[发明专利]一种推荐模型建立方法及其设备、存储介质、服务器

权利要求书

1.一种推荐模型建立方法，其特征在于，包括：

获取针对第一用户标识所采集的在历史时间段内的历史兴趣点POI集合；

对所述第一用户标识对应的历史POI集合进行特征处理生成所述第一用户标识对应的第一特征向量集合；

采用时间间隔阈值对所述历史时间段进行划分以获取时间片集合；

生成第二用户标识对应的历史POI集合中各历史POI的POI编号；

检测所述时间片集合中各时间片内的历史POI数量，并根据所述各时间片内的历史POI数量和所述各时间片内的POI编号，生成指示所述第二用户标识在所述历史时间段内POI访问记录的历史足迹向量；

获取所述第一用户标识对应的第一特征向量集合中的训练特征向量，将所述训练特征向量和所述历史足迹向量输入网络模型进行模型训练；

获取所述网络模型在模型训练中所对应的模型校验向量，所述模型校验向量对应的时间片为所述训练特征向量对应的时间片相邻的下一时间片；

采用所述模型校验向量对训练后的网络模型参数进行校验，生成所述第二用户标识对应的POI推荐模型。

2.如权利要求1所述的方法，其特征在于，所述对所述第一用户标识对应的历史POI集合进行特征处理生成所述第一用户标识对应的第一特征向量集合，包括：

获取所述第一用户标识对应的历史POI集合中各历史POI对应的POI属性参数，对所述POI属性参数进行表征学习生成针对所述第一用户标识对应的第一特征向量集合。

3.如权利要求2所述的方法，其特征在于，所述获取所述第一用户标识对应的历史POI集合中各历史POI对应的POI属性参数，对所述POI属性参数进行表征学习生成针对所述第一用户标识对应的第一特征向量集合，包括：

获取在所述第一用户标识对应的历史POI集合中所选择的任两个历史POI间的距离参数和活跃性参数；

根据所述距离参数、所述活跃性参数以及代价函数生成包含所述第一用户标识对应的各历史POI的特征向量的第一特征向量集合。

4.如权利要求1所述的方法，其特征在于，所述根据所述各时间片内的历史POI数量和所述各时间片内的POI编号，生成指示所述第二用户标识在所述历史时间段内POI访问记录的历史足迹向量，包括：

当所述时间片集合中第一时间片内的第一POI的数量为1时，获取所述第一POI对应的POI编号，将所述第一时间片和所述第一POI对应的POI编号，对应存储在指示所述第二用户标识在所述历史时间段内POI访问记录的历史足迹向量中；

当所述时间片集合中第二时间片内的第二POI的数量大于1时，在所述第二POI中任取一个目标POI，获取所述目标POI对应的POI编号，将所述第二时间片和所述目标POI对应的POI编号对应存储在所述历史足迹向量中；

当所述时间片集合中第三时间片内的第三POI的数量为0时，将所述第二时间片和特殊编号对应存储在所述历史足迹向量中。

5.如权利要求1所述的方法，其特征在于，所述获取所述网络模型在模型训练中所对应的模型校验向量，包括：

获取所述第一特征向量集合中的第一特征向量，将所述第一特征向量确定为所述网络模型在模型训练中所对应的模型校验向量，所述第一特征向量在所述第一特征向量集合中对应的第四时间片与所述训练特征向量对应的第五时间片相邻，且所述第四时间片为所述第五时间片的下一时间片。

6.如权利要求1所述的方法，其特征在于，所述获取所述网络模型在模型训练中所对应的模型校验向量，包括：

对第一用户标识对应的历史POI集合中各历史POI的POI编号进行编码生成所述POI编号对应的编号向量；

将第六时间片对应的编号向量确定为模型校验向量，所述训练特征向量对应的第五时间片与所述第六时间片相邻，且所述第六时间片为所述第五时间片的下一时间片。

7.如权利要求1所述的方法，其特征在于，还包括：

获取所述第二用户标识当前所处的位置信息和所述位置对应的时间信息，并基于所述位置信息和所述时间信息输出针对所述第二用户标识的POI推荐信息。