基于多影響嵌入的個性化POI推薦方法.pdf

1、隨著智能移動設(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，沒有一個并能準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-時間段圖、POI-時間段圖、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序列進行聯(lián)合嵌入學(xué)習(xí)，整合了社交、時間、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行聯(lián)合嵌入學(xué)習(xí)。需要注意的是方法具有一定的擴展性，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。為了驗證方法的效果，在來自Foursquare的大規(guī)模真實數(shù)據(jù)集上進行了充分的實驗。實驗結(jié)果表明，本文提出方法明顯超過了其它對比方法。此外，還通過實驗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)時間和語義影響相對其它方面影響在推薦效果的提升上作