融合时空信息的双向GRU下一个地点推荐

• 作者: 李全 李书明 许新华 向丹丹 曹双双
• 来源期刊: 小型微型计算机系统
• 关键词: 推荐算法 深度学习 时间间隙 距离间隔 双向GRU
• 年，卷（期）: 2021,（7）
• 所属期刊栏目: 人工智能与算法研究|Artificial Intelligence and Algorithms Research
• 页码范围: 1402-1406
• 页数: 5页
• 分类号: TP301
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2021.07.010

摘要

传统的基于序列数据的下一个地点推荐算法没有深度挖掘签到序列的上下文信息.本文通过深度学习神经网络的GRU模型对用户的签到序列、时间信息和距离信息进行双向地特征分析,提出了融合时空信息的双向GRU下一个地点推荐算法(BiGRU+ST).首先将相邻地点之间的时间间隙和距离间隔通过嵌入层投影为潜在特征向量.然后采用双向GRU模型从两个方向提取签到序列、时间信息和距离信息,得到用户的全局特征表示.最后,通过贝叶斯个性化排序(BPR)算法构造目标函数并学习模型参数.在两个数据集上进行实验,结果表明所提BiGRU+ST算法的性能有了较大的提高,且当距离间隔取200m,或者时间间隙取30min时,该地点推荐算法的效果较好.