一种基于超图神经网络和扩散模型的地点推荐方法

本发明涉及一种基于超图神经网络和扩散模型的地点推荐方法，构建兴趣点推荐模型，兴趣点推荐模型依次包括局部轨迹流超图模块、时空特征编码、多维特征融合网络、全局超图表征学习模块、特征优化模块、聚合层、频域学习层和线性预测层。分析了用户的长轨迹，并将其划分为时空区域，构建了三个全局超图，旨在全面捕捉用户的整体行为模式。为了更好地优化轨迹意图表征，提出基于改进的扩散模型的特征优化模块。通过引入多维全局表示，以确保一个更稳定和可控的反向过程，并利用特征归一化和改进的Transformer网络，增强的扩散模型更适合于推荐系统。设计损失函数训练兴趣点推荐模型，训练好的兴趣点推荐模型用于对新用户推荐下一兴趣点。