一种基于多信息融合的兴趣点推荐模型

摘要：

兴趣点(POI)推荐为用户推荐未访问的POI,是基于位置的社交网络(LBSN)的基本问题.LBSN的迅速发展,使得大规模LBSN异构数据急剧增加,签到评分数据极其稀疏,如何充分利用LBSN中的异构数据,解决数据稀疏性的问题,提高推荐准确性是POI推荐的面临的挑战.本文首先对签到信息建立二分网络,学习用户和兴趣点的嵌入向量,得到用户对未访问兴趣点的评分,缓解签到数据的稀疏性.然后在签到数据中提取用户的签到序列,学习用户签到序列模式,进一步提高推荐准确性.最后利用Bayesian算法处理LBSN中的地理信息,并在前面的基础上建立统一的模型BiGloGeoRec融合这3种信息.本文在Weeplaces和Foursquare等不同数据集上的实验证明BiGloGeoRec模型的效果比其他POI推荐模型效果有较大提升.

关键词：LBSN;异质信息网络;二分网络嵌入;序列嵌入;兴趣点推荐

所属期刊栏目：42

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金项目;湖北省创新团队项目;湖北省技术创新专项重大项目

在线出版日期：2021-11-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2331-2336