基于图嵌入和GRU的兴趣点推荐模型

作者：王兴源^*

来源：计算机系统应用, 2021, 30(10): 40-47.

DOI：10.15888/j.cnki.csa.008161

• 图嵌入
• GRU
• 兴趣点推荐
• LBSN

下一个兴趣点推荐是基于位置的社交网络(Location-Based Social Network, LBSN)的重要服务之一,其不仅可以帮助用户寻找其感兴趣的目的地,还能帮助商家提高潜在的收入.目前已有算法提出采用用户行为序列信息以及兴趣点信息进行推荐,但其没有很好地利用兴趣点辅助信息,因此无法缓解冷启动与数据稀疏问题.本文提出了一种基于图嵌入与GRU (Gated Recurrent Unit)的兴趣点推荐模型GE-GRU (Graph Embedding-Gated Recurrent Unit). GE-GRU首先通过图嵌入的方法,将兴趣点本身与其辅助信息相融合,得到信息丰富的深层次兴趣点向量,再将其输入到神经网络中,利用GRU对用户近期兴趣偏好进行建模得到用户Embedding表示,最后根据兴趣点排序列表进行下一个兴趣点推荐.本文在一个真实的数据集Foursquare中超过48万条签到记录上进行了实验,采用Accuracy@k指标进行评估,实验结果表明, GE-GRU相比于GRU、LSTM (Long Short-Term Memory)在Accuracy@10上分别有3%和7%的提升.

• 单位
  南京邮电大学