异质图嵌入的地理不敏感时空兴趣点推荐方法

作者：李曼文; 张月琴; 张晨威; 张泽华^*

来源：计算机科学与探索, 2023, 1-15.

• 兴趣点
• 异质图嵌入
• 地理不敏感
• POI时空拓扑图

基于地理位置的社交网络(Location-based Social Networks，LBSN)规模日渐庞大，促进了兴趣点(Point-of-Interest，POI)推荐业务快速发展。现有研究常直接引入POI地理空间距离难以模拟用户高度随机的行为路径，导致兴趣点推荐过程对地点位置距离度量较为敏感。同时，社交网络中用户稀疏的POI签到数据也容易对推荐精度产生巨大影响。针对以上问题，提出一种基于异质图嵌入的地理不敏感时空兴趣点推荐模型GIPR。首先引入用户行为序列，构造行为POI时空拓扑图，使用权重空间路径表示相对位置距离，既符合用户行为特征，也降低了推荐过程对兴趣点间距离的敏感程度，进而增强推荐结果的可解释性。其次，面对异质且高度稀疏的交互数据，提出的GIPR推荐方法可从局部和全局来对完整的LBSN异质图进行学习，融合更丰富的用户和POI特征。最后，经过注意力层提取用户的长短期偏好，实现更加个性化的兴趣点推荐。在两个大规模真实数据集Foursquare和Gowalla上的实验表明，GIPR方法具有更高的推荐精度与更强的可解释性。

• 单位
  太原理工大学