社交关系与地理位置信息融合的GRU兴趣点推荐模型

针对兴趣点推荐中上下文信息(即社交关系)考虑不足的问题,提出了一种融合社交关系与地理位置信息的GRU(Gated Recurrent Unit)兴趣点推荐算法—SG-GRU。首先构造用户和兴趣点之间的带权异构图,根据用户社交关系强度、签到序列以及地理位置信息,设计了新的边权重计算方法对异构图进行优化,并通过图嵌入对用户和兴趣点进行了形式化表征,从而利用门控循环神经网络建立用户的序列兴趣偏好模型。最后,根据每个用户的兴趣点最终得分向用户推荐感兴趣的TOP-K兴趣点列表。在两个公开数据集Gowalla和Brightkite上进行了实验验证,结果表明,提出的SGGRU方法优于所给出的3个POI基准推荐模型,验证了推荐模型的有效性。