典型文献
一种内容和地点感知的个性化POI推荐模型
文献摘要：
针对兴趣点(point of interest,POI)推荐中用户-POI交互矩阵数据稀疏问题,当前研究仅通过探索地理位置、内容信息及社会关系等上下文因素来缓解该问题,缺乏对这些上下文因素共同作用情况的综合分析及利用.为此,采用概率生成的方法提出一种内容和地点感知的主题模型(content-location-aware topic model,CLATM),用以模拟用户在决策过程中的签到行为.该模型由内容主题建模和地点主题建模两个核心模块构成,用户签到内容依赖内容主题和地点主题,内容主题和地点主题在一定程度上共同决定用户签到地点,地理位置依赖于地点主题并服从高斯分布.该模型不仅恰当地整合了内容、地点和地理位置等重要的上下文因素,且充分利用这些因素之间的潜在关系有效缓解了数据稀疏性.在Foursquare和Yelp两个真实的位置社交网络数据集上对CLATM进行性能评测,实验结果表明,该模型在召回率(recall)和归一化折损累计增益(normalized discounted cumulative gain,NDCG)指标上均优于基准,recall@20和NDCG@20最大分别提高约141.09％和94.44％.综合使用上下文因素的共同作用能有效提升POI推荐性能.
文献关键词：
人工智能;兴趣点推荐;数据稀疏性;内容主题;地点主题;上下文因素;潜在关系;概率生成模型;位置社交网络
中图分类号：
作者姓名：
梁弼;刘笃晋;熊伦;许晓红
作者机构：
四川文理学院智能制造学院,四川达州635000;北京邮电大学计算机学院,北京100876
文献出处：
引用格式：
[1]梁弼;刘笃晋;熊伦;许晓红-.一种内容和地点感知的个性化POI推荐模型)[J].深圳大学学报（理工版）,2022(06):693-700
A类：
上下文因素,CLATM,地点主题
B类：
种内,POI,推荐模型,point,interest,素来,主题模型,content,location,aware,topic,model,拟用,决策过程,签到,内容主题,主题建模,核心模块,服从,高斯分布,潜在关系,数据稀疏性,Foursquare,Yelp,位置社交网络,社交网络数据,性能评测,召回率,recall,折损,normalized,discounted,cumulative,gain,NDCG,推荐性,兴趣点推荐,概率生成模型
AB值：
0.309941
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
