一种自我可解释的兴趣点推荐方法

本发明公开了一种自我可解释的兴趣点推荐方法，主要利用基于自注意力机制的神经网络模型和信息瓶颈理论推荐用户的下一个兴趣点的同时判别出影响推荐结果的最关键历史兴趣点及特征。包括以下步骤：首先，利用时空编码器嵌入用户的历史轨迹；其次，通过计算推荐的下一个兴趣点和历史兴趣点的属性相似度得到兴趣点间的注意力权重矩阵；再次，在注意力权重矩阵中应用信息瓶颈理论，逐渐得到影响下一个兴趣点预测的关键历史兴趣点；最后，使用多层感知机进行线性仿射变化，从激活函数中解码得到了用户最有可能前往的下一个兴趣点。本发明在实现下一个兴趣点的推荐的同时，提供了预测模型的可解释性。