(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 202210987178.4 (22)申请日 2022.08.17 (71)申请人 烟台大学 地址 264005 山东省烟台市莱山区清泉路 30号 (72)发明人 刘志中　孟令强　李林霞　初佃辉　 马菲菲　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 闫伟姣 (51)Int.Cl. G06F 16/9536(2019.01) G06F 16/9535(2019.01) G06F 16/9537(2019.01) G06K 9/62(2022.01)G06N 3/04(2006.01) (54)发明名称 一种基于混合图神经网络的POI推荐 方法及 系统 (57)摘要 本发明属于位置推荐技术领域， 提供了一种 基于混合图神经网络的POI推荐方法及系统， 本 发明为了充分地挖掘用户对POI的正向偏好与反 向偏好， 构建了标号二部图， 采用标号二部图神 经网络学习带有用户对POI偏好信息的用户特征 和带有用户偏好信息的POI特征； 同时， 为了充分 挖掘POI之间的转移信息， 根据用户的POI签到记 录构建POI有向转移图， 采用门控图神经网络学 习带有POI转移信息的POI特征； 最后， 通过分别 对不同用户特征和不同POI特征的拼接， 得到用 户的最终特征和POI的最终特征， 将用户的最终 特征与POI的最终特征做乘积， 通过Sigmoid函数 得到用户对于POI的偏好程度， 依据偏好程度 向 用户推荐POI序列。 权利要求书2页 说明书13页 附图8页 CN 115270007 A 2022.11.01 CN 115270007 A 1.一种基于混合图神经网络的POI推荐方法， 其特 征在于， 包括： 获取用户的社交信息、 用户与POI的交 互信息、 用户的POI访问序列； 依据所述社交信息， 构建用户的社交网络图； 依据所述交互信息， 构建用户与POI的标 号二部图； 依据所述访问序列， 构建POI 转移有向图； 依据所述社交网络图， 利用图注意力网络， 提取得到带有社交信 息的用户特征； 依据 所 述标号二部图， 利用标号二部图神经网络， 提取得到带有用户对POI偏好信息的用户特征， 以及带有用户偏好信息的POI特征； 依据所述POI转移有向图， 利用门控图神经网络， 提取得 到带有POI 转移信息的POI特 征； 将所述带有社交信息的用户特征与所述带有用户对POI偏好信息的用户特征相拼接， 得到用户的最终特征； 将所述带有用户偏好信息的POI特征与所述带有POI转移信息的POI 特征相拼接， 得到POI的最终特 征； 将所述用户的最终特征与所述P OI的最终特征做乘积， 通过Si gmoid函数得到用户对于 POI的偏好 程度， 依据偏好 程度向用户推荐POI序列。 2.如权利要求1所述的一种基于混合图神经网络的POI推荐方法， 其特征在于， 用户的 社交网络图中， 节 点表示用户， 节点间的连接边表示用户之间的社 交关系； 构建社交网络图 的邻接矩阵， 若用户之间存在社交关系， 则对应邻接矩阵中的元 素为1， 元 素为0。 3.如权利要求2所述的一种基于混合图神经网络的POI推荐方法， 其特征在于， 基于图 注意力网络的用户社 交特征学习， 首先， 对于确定社交网络图中的一个节点， 以及节点的邻 居节点集合， 计算邻居节点到节点的权 重系数； 将节点与其所有邻居节点的相关度进行归一 化处理； 在获得权 重系数之后， 通过加权求和更新节点的特 征表示。 4.如权利要求1所述的一种基于混合图神经网络的POI推荐方法， 其特征在于， 设立多 组相互独立的注意力机制， 并将多组注意力机制的输出 结果拼接在一 起作为最终结果。 5.如权利要求1所述的一种基于混合图神经网络的POI推荐方法， 其特征在于， 用户和 POI之间的连接边包括正 向和负向两种类型， 正向的边表示用户访问过POI， 负向的边表示 用户没有访问过POI； 如果用户访问过POI， 用户和POI之间建立一条正连接边， 否则， 用户和POI之间建立一 条负连接边； 对于用户数据集， 当两个用户对于同一POI有相同标号的连接边时， 则在两个 用户之间建立一条正连接边， 否则建立一条负连接边； 对于POI数据集， 当一个用户对两个 POI有相同标号连接边时， 在两个POI之间建立 一条正连接边， 否则就建立 一条负连接边。 6.如权利要求1所述的一种基于混合图神经网络的POI推荐方法， 其特征在于， 基于门 控图神经网络的POI转移特征学习， 首先基于邻接矩阵聚合邻居节点的特征信息； 然后， 分 别计算门控机制中更新 门和重置门的数值； 根据上一时刻节点的状态、 节点的当前态和重 置门计算当前时刻节点的候选态； 基于更新 门、 节点上一时刻的状态和节点的候选态计算 节点的输出态。 7.如权利要求1所述的一种基于混合图神经网络的POI推荐方法， 其特征在于， 将所述 用户的最 终特征和所述POI的最 终特征通过向量内积操作得到预测评分， 使用sigmoid函数 将预测评分压缩至(0， 1)区间内； 将预测评分降序排序， 选取Top ‑K个POI作为推荐结果推荐 给用户。权　利　要　求　书 1/2 页 2 CN 115270007 A 28.一种基于混合图神经网络的POI推荐系统， 其特 征在于， 包括： 数据采集模块， 被配置为： 获取用户的社交信息、 用户与POI的交互信息、 用户的POI访 问序列； 图构建模块， 被配置为： 依据所述社交信息， 构建用户的社交网络图； 依据所述交互信 息， 构建用户与POI的标号 二部图； 依据所述访问序列， 构建POI 转移有向图； 特征提取模块， 被配置为： 依据所述社交网络图， 利用图注意力网络， 提取得到带有社 交信息的用户特征； 依据所述标号二部图， 利用标号二部图神经网络， 提取得到带有用户对 POI偏好信息的用户特征， 以及带有用户偏好信息的POI特征； 依据所述POI转移有向图， 利 用门控图神经网络， 提取 得到带有POI 转移信息的POI特 征； 特征拼接模块， 被配置为： 将所述带有社交信息的用户特征与所述带有用户对POI偏好 信息的用户特征相拼接， 得到用户的最 终特征； 将所述带有用户偏好信息的POI特征与所述 带有POI转移信息的POI特 征相拼接， 得到POI的最终特 征； POI推荐模块， 被配置为： 将所述用户的最终特征与所述POI的最终特征做乘积， 通过 Sigmoid函数得到用户对于POI的偏好 程度， 依据偏好 程度向用户推荐POI序列。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现了如权利要求1 ‑7任一项所述的基于混合图神经网络的POI推荐方法的步骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现了如权利要求 1‑7任一项所述的基于 混合图神经网络的POI推荐方法的步骤。权　利　要　求　书 2/2 页 3 CN 115270007 A 3