典型文献
LBSN中利用深度学习的POI推荐方法
文献摘要：
提出一种基于位置的社交网络中利用深度学习的POI推荐方法.建立一个地理时空注意力网络,以发现总体序列依赖性和微妙的POI-POI关系;将签到序列中连续的地理距离和时间间隔信息加入到地理时空注意力网络中,建立用户个性化移动行为和挖掘用户个性化时空偏好;设计特定于上下文的共同注意力网络,通过从签到历史中自适应选择相关签到活动来学习更改用户偏好,使地理-时空门控循环单元网络(geographical-spatiotemporal gated recurrent unit network,GS-GRUN)能够区分不同签到的用户偏好程度.在Foursquare和Gowalla数据集上的实验结果表明,所提算法能够显著提升POI推荐方法的推荐匹配度.
文献关键词：
基于位置的社交网络;POI推荐;时空意识;注意力机制;深度学习
中图分类号：
作者姓名：
江涛;余松森;汪海涛
作者机构：
广东理工学院 信息技术学院,广东 肇庆 526100;华南师范大学 软件学院,广东 佛山 528225;广东科贸职业学院 信息与自动化学院,广东 广州 510430
文献出处：
引用格式：
[1]江涛;余松森;汪海涛-.LBSN中利用深度学习的POI推荐方法)[J].计算机工程与设计,2022(07):1856-1863
A类：
GRUN
B类：
LBSN,POI,推荐方法,基于位置的社交网络,时空注意力,注意力网络,微妙,签到,地理距离,时间间隔,用户个性化,定于,上下文,共同注意,自适应选择,更改,改用,用户偏好,空门,门控循环单元网络,geographical,spatiotemporal,gated,recurrent,unit,network,GS,Foursquare,Gowalla,匹配度,时空意识,注意力机制
AB值：
0.450933
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。
