多源异构签到数据中改进RNN的POI推荐

作者：高丽; 杨立身

来源：计算机工程与设计, 2022, 43(05): 1327-1334.

DOI：10.16208/j.issn1000-7024.2022.05.017

• 兴趣点推荐
• 基于位置的社交网络
• 循环神经网络
• 多源异构
• 因子分解机
• 签到数据

在基于位置的社交网络(LBSNs)中,现有的兴趣点(POI)推荐方法主要考虑地理位置和社交关系因素的影响,对签到行为的顺序和时间因素影响关注较少。针对该问题,提出一种改进循环神经网络(RNN)的POI推荐的方法。通过因子分解机对影响POI推荐因素的稀疏矩阵进行去稀疏化;通过提出的MMBE框架对多源异构签到数据整体建模,得到POI推荐的影响因子;将影响因子输入改进型RNN,计算出兴趣点预测值,将预测值最高的前K个兴趣点推荐给用户。实验结果表明,所提方法在精度、召回率、F1值方面优于其它3种较新的POI推荐方法。

• 单位
  河南理工大学; 中原工学院信息商务学院