基于多维上下文感知图嵌入模型的兴趣点推荐

作     者：陈劲松 孟祥武 纪威宇 张玉洁 CHEN Jin-Song;MENG Xiang-Wu;JI Wei-Yu;ZHANG Yu-Jie

作者机构：智能通信软件与多媒体北京市重点实验室(北京邮电大学)北京100876 北京邮电大学计算机学院北京100876 

基　　金：北京市教育委员会共建项目 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2020年第31卷第12期

页      码：3700-3715页

摘      要：近些年来,兴趣点推荐系统已经逐渐成为移动推荐系统领域的研究热点之一.多种因素联合建模的方法逐渐深入,如时间、空间、序列、社会化和语义信息被引入统一模型,以建模多维情景下的用户偏好.其中,嵌入学习模型作为一种有效的多因素联合建模方法,在移动推荐领域有较好的性能.然而,多数嵌入学习的模型只是简单地将显式因素,如时间戳、项目、区域、序列等嵌入到相同的空间,由于缺乏对用户和项目的语义特征的深层次挖掘,在用户签到极端稀疏时,难以精准获取用户偏好.鉴于此,提出一种多维上下文感知的图嵌入模型——MCAGE.在MCAGE中,利用主题模型提取用户和项目间的潜在语义特征,并重新定义了一系列图的节点及关联规则,设计了更有效的用户偏好公式,以此提升刻画移动用户偏好的精准度.最后,通过在真实数据集上的实验分析,证明了该模型具有更好的推荐性能.

主 题 词：移动推荐 语义特征 嵌入学习模型 主题模型 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13328/j.cnki.jos.005855

馆 藏 号：203993482...