基于实时事件侦测的兴趣点推荐系统研究

摘要：

[目的]结合实时事件、合适时机与兴趣点特性三个要素,建立一个基于实时事件侦测的兴趣点推荐系统.[方法]从大量具有地理标记的推文中侦测出实时事件,通过树状卷积神经网络来学习实时事件与时间感知信息的嵌入特征表示;从标注在兴趣点的文字评论与照片中抓取兴趣点的图文内容感知特征,并通过卷积神经网络学习兴趣点的图文特征向量;使用前K处召回率与排名倒数平均值两种度量指标,通过实验数据比较和评估不同推荐系统的效能.[结果]所提模型在排名倒数平均值(MRR)评估项目的推荐效能上比MP推荐模型提升8.9％,比NMF推荐模型提升57.1％.[局限]兴趣点固有特征仅考虑文字和图像特征,未考虑其他信息.[结论]所提基于实时事件侦测的兴趣点推荐模型比其他推荐方法具有更好的效果,在搜寻、运输和环境监控等基于位置的推荐服务中具有广阔的应用前景.

关键词：实时事件、深度学习、矩阵分解、卷积神经网络、推荐系统

所属期刊栏目：6

分类号：TP391;G202(计算技术、计算机技术)

资助基金：湖南省哲学社会科学基金项目21YBA282

在线出版日期：2023-01-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：114-127