深度学习方法在兴趣点推荐中的应用研究综述

摘要：

在基于位置的社交网络(LBSN)中,用户可以在兴趣点(POI)进行签到以记录行程,也可以与其他用户分享自身的感受并形成社交好友关系.POI推荐是LBSN提供的一项重要服务,其可以帮助用户快速发现感兴趣的POI,也有利于POI提供商更全面地了解用户偏好,并有针对性地提高服务质量.POI推荐主要基于对用户历史签到数据以及用户生成内容、社交关系等信息的分析来实现.系统归纳POI推荐中所面临的时空序列特征提取、内容社交特征提取、多特征整合、数据稀疏性问题处理这4个方面的挑战,分析在POI推荐中使用深度学习方法解决上述问题时存在的优势以及不足.在此基础上,展望未来通过深度学习提高POI推荐效果的研究方向,即通过增量学习加速推荐模型更新、使用迁移学习缓解冷启动问题以及利用强化学习建模用户动态偏好,从而为实现效率更高、用户体验质量更好的推荐系统提供新的思路.

关键词：兴趣点推荐;深度学习;特征提取;特征整合;数据稀疏性

所属期刊栏目：48

分类号：TP391(计算技术、计算机技术)

资助基金：上海市自然科学基金16ZR1402200

在线出版日期：2022-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：12-23,42