(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211156218.7 (22)申请日 2022.09.22 (71)申请人 常熟理工学院 地址 215500 江苏省苏州市 常熟市南 三环 路99号 (72)发明人 司亚利　李峰　龚声蓉　钟珊　 周立凡　 (74)专利代理 机构 南京苏高专利商标事务所 (普通合伙) 32204 专利代理师 张俊范 (51)Int.Cl. G06F 16/9535(2019.01) G06F 16/9536(2019.01) (54)发明名称 一种云边协同的兴趣点推荐方法及装置 (57)摘要 本发明公开了一种云边协同的兴趣点推荐 方法， 包括步骤： 用户进行签到将签到记录通过 边缘侧服务器发送至云中心； 云中心 签到记录将 对应的用户的兴趣偏好下发至边缘侧服务器； 云 中心对所有用户的历史签到记录进行签到行为 特征分析， 并且将用户的签到行为特征输入深度 学习模型长短时记忆网络LSTM中进行用户兴趣 偏好学习， 得到用户的兴趣偏好， 并存储用户的 兴趣偏好； 边缘侧服务器结合下发的用户兴趣偏 好对覆盖的候选兴趣点进行概率预测， 并将兴趣 点发送给用户。 本发明还公开了云边协同的兴趣 点推荐装置。 本发明有效提高了兴趣点推荐的实 时性。 权利要求书2页 说明书6页 附图2页 CN 115510317 A 2022.12.23 CN 115510317 A 1.一种云边协同的兴趣点推荐方法， 其特征在于， 步骤1、 用户进行LBSNs位置签到操作 形成签到记录并将所述签到记录通过边 缘侧服务器发送至云中心； 步骤2、 所述云中心根据步骤1得到的所述用户签到记录将对应的用户的兴趣偏好下发 至用户当前所对应的边缘侧 服务器； 所述云中心存储有所述用户的兴趣偏好， 所述用户的 兴趣偏好由以下方式得到： 所述云中心对所有用户的历史签到记录进行签到行为特征分 析， 并且将用户的签到行为特征输入深度学习模 型长短时记忆网络LSTM中进 行用户兴趣偏 好学习， 得到用户的兴趣偏好； 步骤3： 用户当前所对应的所述边缘侧服务器结合所述步骤2中所述云中心的下发用户 兴趣偏好对覆盖的候选 兴趣点进 行概率预测， 并把概率值排序靠前的若干 兴趣点发送给用 户。 2.根据权利要求1所述的云边协同的兴趣点推荐方法， 其特征在于， 所述边缘侧服务器 设置有多个， 所述边缘侧服务器的物理位置相比于所述云中心的物理跟位置更靠近所述用 户。 3.根据权利要求1所述的云边协同的兴趣点推荐方法， 其特征在于， 所述签到行为特征 包括相邻签到的地点空间距离特征、 相邻签到的时间间隔特征和 地点的流行度特征， 所述 相邻签到是指所述用户的历史签到记录中签到时间相邻的两次签到 。 4.根据权利要求1所述的云边协同的兴趣点推荐方法， 其特征在于， 所述地点空间距离 由以下公式计算 C＝sin L at1*sin L at2+cos L at1*cos L at2*cos(Lon2‑Lon1) 其中R表示地球的平均半径， Pi为圆周率， {Lon1,Lat1}和{Lon2,Lat2}为相邻签到的地点 的经纬度； 所述时间 间隔由以下公式计算 Δti＝ti‑ti‑1＝(datei‑datei‑1)×24+(timei‑timei‑1) 其中datei， datei‑1为相邻签到的日期， timei， timei‑1为相邻签到的时刻； 所述地点的流 行度由以下公式计算 TPl＝OPl+CTPt,l 其中OPl为所有用户访问该地点l的签到记 录数与总签到记录数的比值， CTPt,l为所有用 户在时间槽t内访问l的签到记录数与所有时刻 访问l的总签到记录数的比值。 5.根据权利要求3所述的云边协同的兴趣点推荐方法， 其特征在于， 将用户的签到行为 特征输入深度学习模型长短时记忆网络LSTM中进行用户兴趣偏好学习时， 细胞状态ck的更 新如下 fk＝σ(Wf[hk‑1,xk]+bf) 是权重矩阵， 为偏置向量， 权　利　要　求　书 1/2 页 2 CN 115510317 A 2为模型的输入， 表示地点的嵌入表示， 表示时间间隔的特 征向量， 表示地理距离的特 征向量， 表示地点流行度的特 征向量。 6.根据权利要求1所述的云边协同的兴趣点推荐方法， 其特征在于， 所述兴趣偏好表示 pu＝tanh(Vlck)， 为LSTM模型需要学习的参数， ck为LSTM模型的细胞状态。 7.根据权利要求1所述的云边协同的兴趣点推荐方法， 其特征在于， 所述步骤3中进行 概率预测时用户u对兴趣点 l的推荐概 率Su,l Su,l＝puTql pu为所述步骤2得到的用户的兴趣偏好， 为兴趣点l∈Lcan的嵌入表示， Lcan为候 选兴趣点 集合。 8.一种云边协同的兴趣点推荐装置， 其特征在于， 包括， 云中心： 用于对所有用户的历 史签到记录进 行签到行为特征分析， 并且将用户的签到行为特征输入深度学习模型长 短时 记忆网络LSTM中进行用户兴趣偏好学习， 得到用户的兴趣偏好； 以及用于将当前签到用户 的兴趣偏好下 方至与当前签到用户对应的边 缘侧服务器； 边缘侧服务器： 设置有多个， 用于转发用户的签到记录并接收所述云中心下发的所述 兴趣偏好， 并根据所述兴趣偏好对覆盖的候选兴趣点进行概率预测， 把概率值排序靠前 的 若干兴趣点发送给用户； 用户： 进行签到操作向边缘侧服务器发送签到记录并接收来自所述边缘侧服务器的推 荐的兴趣点。权　利　要　求　书 2/2 页 3 CN 115510317 A 3