基于多影響嵌入的個(gè)性化POI推薦方法.pdf

1、隨著智能移動(dòng)設(shè)備的快速普及以及基于位置社交網(wǎng)絡(luò)服務(wù)(LB SNs)的快速發(fā)展，基于check-in數(shù)據(jù)挖掘的POI(Point of Interest)推薦成為幫助用戶發(fā)現(xiàn)新場所和探索不熟悉區(qū)域的重要方式。然而，POI推薦面臨嚴(yán)重的數(shù)據(jù)稀疏性問題，用戶旅行局部性現(xiàn)象更是惡化了這一問題。最近許多相關(guān)工作試圖通過考慮社交、時(shí)間、地理、序列、語義等方面影響來解決上述數(shù)據(jù)稀疏性問題，但是他們僅利用了部分方面影響，沒有一個(gè)并能準(zhǔn)確整合多方面影響的

2、方法。
　　為了解決上述挑戰(zhàn)，提出了一個(gè)基于圖和序列聯(lián)合嵌入的POI推薦方法。通過對7張二分圖（用戶-用戶圖、用戶-時(shí)間段圖、POI-時(shí)間段圖、POI-區(qū)域?qū)哟螆D、POI-類別層次圖、用戶-性別圖以及用戶-POI圖）和check-in序列進(jìn)行聯(lián)合嵌入學(xué)習(xí)，整合了社交、時(shí)間、地理、語義、用戶性別、用戶偏好以及序列方面影響。為了捕獲check-in序列中的語義信息，利用了序列嵌入方法(word2vec)，而其它方面影響則利用圖嵌入方法

3、，然后通過聯(lián)合訓(xùn)練算法對上述多方面影響進(jìn)行聯(lián)合嵌入學(xué)習(xí)。需要注意的是方法具有一定的擴(kuò)展性，可以很方便地整合其它方面影響，從而更好地解決數(shù)據(jù)稀疏性問題，為用戶提供高質(zhì)量的POI推薦。為了驗(yàn)證方法的效果，在來自Foursquare的大規(guī)模真實(shí)數(shù)據(jù)集上進(jìn)行了充分的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，本文提出方法明顯超過了其它對比方法。此外，還通過實(shí)驗(yàn)研究了本文考慮的各方面影響對推薦效果提升的作用大小，結(jié)果發(fā)現(xiàn)時(shí)間和語義影響相對其它方面影響在推薦效果的提升上作