随着基于位置的社交网络的快速发展,下一个PoI(point of interest)推荐已成为推荐领域的研究热点。然而现有研究模型忽略了PoI的时空特征以及上下文信息对下一个PoI推荐的效果。针对该问题,提出一种时空上下文感知的下一个PoI推荐方法...随着基于位置的社交网络的快速发展,下一个PoI(point of interest)推荐已成为推荐领域的研究热点。然而现有研究模型忽略了PoI的时空特征以及上下文信息对下一个PoI推荐的效果。针对该问题,提出一种时空上下文感知的下一个PoI推荐方法。首先,利用图注意力网络(GAT)学习包含社交关系的用户表征;并且通过流行度增强二部图神经网络(PEBGNN)学习含有PoI交互偏好的用户表征和PoI表征;同时,利用时空图卷积网络(ST-GCN)学习PoI时空转移偏好的PoI表征;最后,通过融合所学到的用户表征和PoI表征,计算出用户对于各个PoI的预测评分,以此为基础为用户推荐下一个PoI。为了验证该方法的有效性,在Gowalla、Foursquare以及Yelp这三个公开的数据集上进行了测试。实验结果显示,相比于多个基准模型,所提方法在准确率和召回率方面均展现出了显著的优势,分别平均提升28.53%和7.65%。展开更多
针对点云配准过程中点云数据冗余、易出现误匹配点对和配准精度低的问题,提出了一种融合超体素及几何特征的点云配准方法。首先使用超体素与法向量信息相结合的方法提取特征点;其次,在粗配准中,通过使用快速特征点直方图(Fast Point Fea...针对点云配准过程中点云数据冗余、易出现误匹配点对和配准精度低的问题,提出了一种融合超体素及几何特征的点云配准方法。首先使用超体素与法向量信息相结合的方法提取特征点;其次,在粗配准中,通过使用快速特征点直方图(Fast Point Feature Histograms,FPFH)进行特征描述,采用双向最近邻比获取初始特征点对应关系,基于法向量夹角策略和随机采样一致性(Random Sample Consensus,RANSAC)算法进行对应关系的优化,获取良好的初始位姿;最后,在精配准中,基于初始位姿与改进的迭代最近点算法(Iterative Closest Point,ICP)算法完成点云配准。通过在斯坦福数据集中进行配准实验,验证了所提算法具有更好的鲁棒性,能高效且精准的完成点云配准。展开更多
社交关系网络的复杂性和动态性为观点演化研究带来三大挑战:一是研究者在确定个体的观点交互集合时没有考虑个体的信任阈值,导致观点交互集合的准确性不足;二是现有研究通常忽略了非邻居节点之间的交互对社会群体观点演化的影响;三是现...社交关系网络的复杂性和动态性为观点演化研究带来三大挑战:一是研究者在确定个体的观点交互集合时没有考虑个体的信任阈值,导致观点交互集合的准确性不足;二是现有研究通常忽略了非邻居节点之间的交互对社会群体观点演化的影响;三是现有研究通常基于个体间的观点距离来更新社交网络结构,没有考虑个体间的信任关系对网络结构的影响.为了应对上述挑战,提出一种社交网络中动态信任感知的观点演化模型(Dynamic Trust-Aware Opinion Evolution Model in Social Networks,DTAOE).具体地,首先基于信任传播规则构建出社交群体的信任矩阵;之后,基于引入的信任度阈值和信任矩阵,从邻居节点以及非邻居节点中确定当前个体的信任集合,进而基于信任集合中观点相似的个体更新当前个体的观点;最后,根据个体间的观点距离和信任关系,动态地调整社交网络的拓扑结构.上述演化步骤被重复执行直到群体的观点达到稳定状态.开展了大量的仿真实验,实验结果证明了DTAOE模型的有效性和合理性,并揭示了网络结构和信任关系对观点传播的影响机制.展开更多
文摘随着基于位置的社交网络的快速发展,下一个PoI(point of interest)推荐已成为推荐领域的研究热点。然而现有研究模型忽略了PoI的时空特征以及上下文信息对下一个PoI推荐的效果。针对该问题,提出一种时空上下文感知的下一个PoI推荐方法。首先,利用图注意力网络(GAT)学习包含社交关系的用户表征;并且通过流行度增强二部图神经网络(PEBGNN)学习含有PoI交互偏好的用户表征和PoI表征;同时,利用时空图卷积网络(ST-GCN)学习PoI时空转移偏好的PoI表征;最后,通过融合所学到的用户表征和PoI表征,计算出用户对于各个PoI的预测评分,以此为基础为用户推荐下一个PoI。为了验证该方法的有效性,在Gowalla、Foursquare以及Yelp这三个公开的数据集上进行了测试。实验结果显示,相比于多个基准模型,所提方法在准确率和召回率方面均展现出了显著的优势,分别平均提升28.53%和7.65%。
基金The National Natural Science Foundation of China(61203320)the Natural Science Foundation of Shandong Province(ZR2014FL023)the Youth Science Foundation of Shangdong Institute of Business and Technology(2013QN051).
文摘社交关系网络的复杂性和动态性为观点演化研究带来三大挑战:一是研究者在确定个体的观点交互集合时没有考虑个体的信任阈值,导致观点交互集合的准确性不足;二是现有研究通常忽略了非邻居节点之间的交互对社会群体观点演化的影响;三是现有研究通常基于个体间的观点距离来更新社交网络结构,没有考虑个体间的信任关系对网络结构的影响.为了应对上述挑战,提出一种社交网络中动态信任感知的观点演化模型(Dynamic Trust-Aware Opinion Evolution Model in Social Networks,DTAOE).具体地,首先基于信任传播规则构建出社交群体的信任矩阵;之后,基于引入的信任度阈值和信任矩阵,从邻居节点以及非邻居节点中确定当前个体的信任集合,进而基于信任集合中观点相似的个体更新当前个体的观点;最后,根据个体间的观点距离和信任关系,动态地调整社交网络的拓扑结构.上述演化步骤被重复执行直到群体的观点达到稳定状态.开展了大量的仿真实验,实验结果证明了DTAOE模型的有效性和合理性,并揭示了网络结构和信任关系对观点传播的影响机制.
