-
题名基于时空上下文信息的POI推荐模型研究
被引量：5
- 1
-
-
作者
叶继华
杨思渝
左家莉
王明文
-
机构
江西师范大学计算机信息工程学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2021年第12期3546-3553,共8页
-
基金
国家自然科学基金(61462042,61866018,61876074)。
-
文摘
随着基于位置的社交网络(LBSN)技术的快速发展,为移动用户提供个性化服务的兴趣点(POI)推荐成为关注重点。由于POI推荐面临着数据稀疏、影响因素多和用户偏好复杂的挑战,因此传统的POI推荐往往只考虑签到频率以及签到时间和地点对用户的影响,而忽略了签到序列中用户前后行为的关联影响。为了解决上述问题,该文通过序列的表示考虑签到数据的时间影响和空间影响,建立了时空上下文信息的POI推荐模型(STCPR),为POI推荐提供了更精准的个性化偏好。该模型基于序列到序列的框架下,将用户信息、POI信息、类别信息和时空上下文信息进行向量化后嵌入GRU网络中,同时利用了时间注意力机制、全局和局部的空间注意力机制来综合考虑用户偏好与变化趋势,从而向用户推荐感兴趣的Top-N的POI。该文通过在两个真实的数据集上实验来验证模型的性能。实验的结果表明,该文所提出的方法在召回率(Recall)和归一化折损累计增益(NDCG)方面优于几种现有的方法。
-
关键词
兴趣点推荐模型
时空相关性
上下文
注意力机制
-
Keywords
Point-Of-Interest(POI)recommendation model
Spatiotemporal correlation
Context
Attention mechanism
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
