一种基于动态分层注意力融合时空网络的兴趣点推荐方法

本发明提出了一种基于动态分层注意力融合时空网络的兴趣点推荐方法，包括以下步骤：1、获取用户历史签到及兴趣点特征数据，并对用户数据进行预处理；2、通过自适应时空双图卷积网络模块学习兴趣点的鲁棒时空信息表示；3、构建“兴趣点‑功能单元‑区域单元”的多级语义层次结构，利用双向分层图注意力网络模块学习兴趣点的层次化语义信息表示4、融合前述两种兴趣点表示后，对用户轨迹编码并输入至注意力‑频率融合Transformer模块，该模块通过频率分析分离用户行为序列中的长短期动态信号并与自注意力机制动态融合，以预测下一兴趣点；5、采用组合损失函数进行训练。本发明有效建模用户与POI的复杂特性，并提升准确性及对用户动态偏好的捕捉能力。