一种基于元学习的连续兴趣点推荐方法与系统

本发明公开了一种基于元学习的连续兴趣点推荐方法与系统，获取每位用户的签到数据，基于自注意力机制，得到用户偏好；利用编码算法将所有兴趣点的位置映射至对应子块区域中，取用户当前位置预设范围内附近子块区域中的签到数据，基于自注意力机制，得到区域偏好；将用户偏好和区域偏好拼接，得到综合偏好，利用softmax函数计算每个兴趣点被问的概率；利用元学习进行损失优化训练，得到训练好的连续兴趣点推荐模型进行兴趣点推荐。通过编码算法，将兴趣点映射到区域中，并将该区域的签到数据作为偏好建模的训练数据，一定程度上缓了数据稀疏性。将用户偏好与区域偏好结合，综合考虑了用户特征与区域特征，可以进一步的提高兴趣点推荐的准确性。