时空邻域感知的时序兴趣点推荐

TP391; 如何捕捉用户行为的动态变化和依赖关系是当前兴趣点推荐的一个重要问题,主要面临着数据稀疏、时空序列特征提取难以及用户个性化差异不易捕捉等挑战.为了解决这些挑战,提出了一种基于时空邻域感知及隐含状态变化的时序兴趣点推荐方法.该方法将用户行为的学习转换成了潜在状态的学习,并以一种结合距离信息的方式引入空间信息,有效地捕捉了用户的移动特征.首先,利用变分自编码器表征用户的潜在状态,再通过图神经网络学习到潜在状态之间的依赖关系,从而捕捉到用户行为的时序依赖;然后,利用注意力机制和径向基函数来捕捉用户与地点候选集之间的空间依赖,进而评估用户访问每个地点的概率,实现兴趣点推荐.在三个真实数据集...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 7; pp. 1865 - 1878
Main Authors 温雯, 邓峰颖, 郝志峰, 蔡瑞初, 梁方宇
Format Journal Article
LanguageChinese
Published 广东工业大学 计算机学院,广州 510006%广东工业大学 计算机学院,广州 510006 01.07.2024
汕头大学,广东 汕头 515000
Subjects
注意力机制
point-of-interest(POI)recommendation
variational auto-encoder
图神经网络
attention mechanism
变分自编码器
兴趣点推荐
graph neural network
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2305113

Cover

More Information
Summary:TP391; 如何捕捉用户行为的动态变化和依赖关系是当前兴趣点推荐的一个重要问题,主要面临着数据稀疏、时空序列特征提取难以及用户个性化差异不易捕捉等挑战.为了解决这些挑战,提出了一种基于时空邻域感知及隐含状态变化的时序兴趣点推荐方法.该方法将用户行为的学习转换成了潜在状态的学习,并以一种结合距离信息的方式引入空间信息,有效地捕捉了用户的移动特征.首先,利用变分自编码器表征用户的潜在状态,再通过图神经网络学习到潜在状态之间的依赖关系,从而捕捉到用户行为的时序依赖;然后,利用注意力机制和径向基函数来捕捉用户与地点候选集之间的空间依赖,进而评估用户访问每个地点的概率,实现兴趣点推荐.在三个真实数据集上进行了实验比较和分析,显示了该方法相比于现有的基准算法具有更好的时序推荐性能.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2305113