基于多维上下文感知图嵌入模型的兴趣点推荐

• 作者: 陈劲松 孟祥武 纪威宇 张玉洁
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 移动推荐 语义特征 嵌入学习模型 主题模型
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 3700-3715
• 页数: 16页
• 分类号: TP18
• 语种: 中文

摘要

近些年来,兴趣点推荐系统已经逐渐成为移动推荐系统领域的研究热点之一.多种因素联合建模的方法逐渐深入,如时间、空间、序列、社会化和语义信息被引入统一模型,以建模多维情景下的用户偏好.其中,嵌入学习模型作为一种有效的多因素联合建模方法,在移动推荐领域有较好的性能.然而,多数嵌入学习的模型只是简单地将显式因素,如时间戳、项目、区域、序列等嵌入到相同的空间,由于缺乏对用户和项目的语义特征的深层次挖掘,在用户签到极端稀疏时,难以精准获取用户偏好.鉴于此,提出一种多维上下文感知的图嵌入模型——MCAGE.在MCAGE中,利用主题模型提取用户和项目间的潜在语义特征,并重新定义了一系列图的节点及关联规则,设计了更有效的用户偏好公式,以此提升刻画移动用户偏好的精准度.最后,通过在真实数据集上的实验分析,证明了该模型具有更好的推荐性能.