基于深度学习与社交感知的地点推荐

• 作者: 周蓓2 李勇2 王磊1 高宸2
• 来源期刊: 太赫兹科学与电子信息学报
• 学科: 工学
• 关键词: 地点推荐 社交网络 深度学习
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信号与信息处理、计算机与控制
• 页码范围: 502-508
• 页数: 7页
• 分类号: TN915.5
• 字数: 6005字
• 语种: 中文

摘要

随着基于位置的社交网络的普及,地点推荐作为推荐系统的重要分支,在解决信息过载、提升用户体验、增加平台收益等方面的作用愈加明显.现有的地点推荐算法大多基于矩阵分解,难以刻画用户和地点之间复杂的交互关系;此外,在基于位置的社交网络中,社交信息是建立用户画像的重要数据来源,如何融合社交信息辅助地点推荐成为亟待解决的问题.本文研究了基于深度神经网络的地点推荐解决方案,通过设计基于社交信息的新型采样方式和正则化损失函数,从两个角度融合社交信息.在两个真实世界数据集上的实验表明,本文提出的方案可以极大提升地点推荐的精准度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王磊1		1	0	0.0	0.0
2	高宸2	清华大学电子工程系	1	0	0.0	0.0
3	周蓓2	清华大学电子工程系	1	0	0.0	0.0
4	李勇2	清华大学电子工程系	1	0	0.0	0.0