一种基于补全增强与多角度解纠缠融合学习的兴趣点推荐方法

本发明公开了一种基于补全增强与多角度解纠缠融合学习的兴趣点推荐方法，首先，基于全局转移频率图，采用广度优先搜索与地理距离约束对用户原始签到序列进行补全；其次，利用补全后的签到数据，分别构建用户‑兴趣点协同交互超图、兴趣点‑兴趣点顺序转移超图与空间邻近图；接着，设计三阶段超图卷积与图卷积网络，分别学习三类视图下的兴趣点表示；然后，基于用户‑兴趣点交互矩阵生成多角度用户表示，并采用对比学习对齐用户和兴趣点的多角度表示，将对齐后的用户和兴趣点的多角度表示融合生成全局用户和兴趣点表示；之后，针对每个用户，仅选取其历史访问的兴趣点在全局兴趣点表示中对应的子集，并按时间顺序组织成签到序列输入序列建模模块，生成局部用户表示，用可学习权重融合全局与局部用户表示，生成最终用户表示；最后，通过最终用户表示与各候选兴趣点表示点积运算生成下一兴趣点推荐概率。本发明能够避免用户原始签到数据的偏差，对用户多方面的转移动机进行有效建模，同时融合全局信息和局部信息，提高兴趣点推荐的准确性与可解释性。