一种结合矩阵分解和深度学习技术的POI推荐模型

• 作者: 张翔 秦蕾 董丽丽
• 来源期刊: 计算机测量与控制
• 关键词: POI推荐 矩阵分解 深度学习 注意力机制
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 设计与应用
• 页码范围: 207-211,216
• 页数: 6页
• 分类号: TP311
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2020.06.042

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	董丽丽	西安建筑科技大学信息与控制工程学院	79	651	13.0	22.0
2	张翔	西安建筑科技大学信息与控制工程学院	27	218	8.0	14.0
3	秦蕾	西安建筑科技大学信息与控制工程学院	2	2	1.0	1.0