融合社交和地理影响的个性化兴趣点深度推荐模型

针对现有的兴趣点推荐模型中社交信息利用不充分和模型结构复杂的问题,提出一种基于多社交关系和地理信息的深度自编码器模型(MSG-DAE)。利用条件层对用户的直接和潜在好友影响建模,获取用户与好友之间的签到关联;通过多层网络结构挖掘用户签到偏好的深层特征;对输出层的预测偏好进行地理正则化约束,引入地理位置影响,同时提高模型的训练速度和鲁棒性。在Foursquare数据集上进行实验,结果表明MSG-DAE模型在准确率和召回率两项指标上均优于其他先进的兴趣点推荐模型。