[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

说明书

本发明实施例公开一种推荐模型建立方法及其设备、存储介质、终端，其中方法包括如下步骤：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；对第二用户标识对应的历史POI集合进行预处理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集合；采用所述第一用户标识对应的第一特征向量集合和所述历史足迹集合对网络模型进行训练，生成所述第二用户标识对应的POI推荐模型。采用本发明，通过对历史POI的分析处理生成POI推荐模型，可以提高基于POI推荐模型对第二用户标识对应的用户进行POI信息推荐的合理性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种推荐模型建立方法及其设备、存储介质、服务器。

背景技术

随着互联网技术的不断发展，智能手机、平板电脑等智能设备中安装的各类终端应用都具备兴趣点(Point of Information，POI)推荐功能，即当用户使用相关应用时，该应用可以结合用户所处的时间和地点自主地为用户推荐用户可能感兴趣的POI，例如，当打开某团购APP时，该APP的后台开发人员可以根据打开该APP的时间和地点并结合大数据处理后的POI数据，为用户推荐所处地周围的POI。

现有技术中，后台开发人员在训练POI推荐模型的过程中通常采用全连接神经网络或者深度神经网络，利用时间窗的签到记录进行预测。然而，对于时间周期性较强或者上下文语义依赖性较强的POI信息，现有POI推荐模型会降低对POI信息推荐的合理性。

发明内容

本发明实施例提供一种推荐模型建立方法及其设备、存储介质、服务器，可以结合第一用户标识和第二用户标识对应的历史POI集合生成网络模型训练参数，完成对第二用户标识即目标用户的POI推荐模型的建立，可以提高基于POI推荐模型对第二用户标识对应的用户进行POI信息推荐的合理性。

本发明实施例第一方面提供了一种推荐模型建立方法，可包括：

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；

对第二用户标识对应的历史POI集合进行预处理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；

采用所述第一用户标识对应的第一特征向量集合和所述历史足迹向量对网络模型进行训练，生成所述第二用户标识对应的POI推荐模型。

在一种可能的设计中，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。

在一种可能的设计中，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。

在一种可能的设计中，所述对第二用户标识对应的历史POI集合进行预处理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：

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；