多源异构签到数据中改进RNN的POI推荐

作     者：高丽 杨立身 GAO Li;YANG Li-shen

作者机构：郑州经贸学院计算机与人工智能学院河南郑州451191 河南理工大学计算机科学与技术学院河南焦作454003 

基　　金：国家自然科学基金项目(61872126) 河南省科技厅科技攻关计划基金项目(182102210229) 

出 版 物：《计算机工程与设计》 (Computer Engineering and Design)

年 卷 期：2022年第43卷第5期

页      码：1327-1334页

摘      要：在基于位置的社交网络(LBSNs)中,现有的兴趣点(POI)推荐方法主要考虑地理位置和社交关系因素的影响,对签到行为的顺序和时间因素影响关注较少。针对该问题,提出一种改进循环神经网络(RNN)的POI推荐的方法。通过因子分解机对影响POI推荐因素的稀疏矩阵进行去稀疏化;通过提出的MMBE框架对多源异构签到数据整体建模,得到POI推荐的影响因子;将影响因子输入改进型RNN,计算出兴趣点预测值,将预测值最高的前K个兴趣点推荐给用户。实验结果表明,所提方法在精度、召回率、F1值方面优于其它3种较新的POI推荐方法。

主 题 词：兴趣点推荐 基于位置的社交网络 循环神经网络 多源异构 因子分解机 签到数据 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.16208/j.issn1000-7024.2022.05.017

馆 藏 号：203111709...