融合深度学习技术的用户兴趣点推荐研究综述
近年来,用户兴趣点(point of interest,POI)推荐是基于位置的社会网络(location-based social network,LBSN)研究的热门话题,POI推荐不仅可以帮助用户找到心仪的POI,也可为商家带来可观收益.深度学习技术因可以更有效地捕获用户与物品间的非线性关系,逐渐应用到推荐系统任务中.对近年来结合深度学习技术的用户POI推荐的研究进行综述.首先介绍了用户POI推荐与传统推荐任务的区别,并介绍了可以提高推荐任务模型性能的多种影响因素;随后将深度学习应用到POI推荐的方式分为4类:POI的向量化学习、深度协同过滤、从辅助内容中提取特征和利用循环神经网络进行序列推荐,并阐述了深度学习技术在这些方式中的应用效果与优势;最后对结合深度学习技术的用户POI推荐的发展方向进行了总结与展望.
位置推荐、深度学习、协同过滤、个性化推荐
45
P208(一般性问题)
国家自然科学基金;国家重点研发计划
2021-03-02(万方平台首次上网日期,不代表论文的发表时间)
共13页
1890-1902