-
题名基于地理偏好排序的兴趣点混合推荐模型
- 1
-
-
作者
彭诗杰
陈红梅
王丽珍
肖清
-
机构
云南大学信息学院
-
出处
《计算机应用》
CSCD
北大核心
2023年第8期2448-2455,共8页
-
基金
国家自然科学基金资助项目(62266050,62276227)
云南省中青年学术和技术带头人后备人才项目(202205AC160033)
+1 种基金
云南省重大科技专项(202202AD080003)
云南省基础研究计划重点项目(202201AS070015)。
-
文摘
随着基于位置的社交网络(LBSN)迅速发展,作为缓解信息过载的有效手段,兴趣点(POI)推荐备受关注。由于用户签到数据是隐式反馈数据,且十分稀疏,为了有效地从用户签到数据中捕获用户POI偏好,提出了一个基于地理偏好排序的POI混合推荐模型。首先,考虑用户签到数据的隐式反馈特性及用户活动的空间约束,利用传统贝叶斯个性化排序(BPR)模型计算POI距离对POI排序的影响,提出加权BPR(GWBPR)模型;然后,针对用户签到数据的稀疏性,融合GWBPR模型和逻辑矩阵分解(LMF)模型,提出混合模型GWBPR-LMF。在两个真实数据集Foursquare和Gowalla上的实验结果表明,GWBPR-LMF模型的性能优于BPR、LMF、SAE-NAD(Self-AttentiveEncoderand Neighbor-Aware Decoder)等对比模型。与较优的对比模型SAE-NAD相比,GWBPR-LMF模型的POI推荐的精确率、召回率、F1值、平均精度均值(mAP)、归一化折损累积增益(NDCG)在数据集Foursquare上分别平均提升了44.9%、57.1%、78.4%、55.3%和40.0%,在数据集Gowalla上分别平均提升了3.0%、6.4%、4.6%、11.7%和4.2%。
-
关键词
基于位置的社交网络
兴趣点推荐
隐式反馈
兴趣点排序
加权贝叶斯个性化排序
-
Keywords
Location-Based Social Network(LBSN)
Point-Of-Interest(POI)recommendation
implicit feedback
POI ranking
weighted Bayesian Personalized Ranking(BPR)
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-