10.16526/j.cnki.11-4762/tp.2020.06.042
一种结合矩阵分解和深度学习技术的POI推荐模型
基于位置社交网络(LBSN)的兴趣点(POI)推荐算法是近年来的研究热点,有效的POI推荐具有极大的经济和社会效益;针对LBSN中的数据稀疏问题、用户细粒度兴趣(即用户的长期和短期兴趣)序列建模问题和联合多种影响因素的POI推荐问题,研究一种结合矩阵分解和带有注意力机制深度学习技术的POI推荐模型(CF-ADNN);一方面,构造特征矩阵缓解签到数据稀疏问题,通过矩阵分解得到隐藏因子,计算POI的特征向量;另一方面,构建一种带注意力机制的用户细粒度兴趣的序列建模方式,有效学习用户长期和短期的兴趣特征,提高POI推荐精确度;结合上述两种方法,最终得到可以融合多种影响因素的POI推荐模型;并通过对比试验,进一步验证模型的推荐效果.
POI推荐、矩阵分解、深度学习、注意力机制
28
TP311(计算技术、计算机技术)
国家自然科学基金项目;陕西省自然科学基础研究计划资助项目;西安市科技局科技创新引导项目;西安市科技局科技创新引导项目
2020-07-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
207-211,216