典型文献
用户偏好与时间序列的兴趣点推荐模型
文献摘要：
传统的兴趣点推荐通常忽略了用户签到行为中序列模式的重要性,且无法有效地捕捉用户复杂且动态变化的兴趣偏好.由此,本文提出了一种用户偏好和时间序列的兴趣点推荐模型(User Preference&Time Sequence based POI Recommenda-tion,UPTS-PRec).该模型能够分别对短期偏好和长期偏好建模并融合,以捕捉用户兴趣的变化.对于短期偏好,提出了融合时空上下文信息的长短期记忆网络来学习用户签到行为中复杂的序列转移模式,并通过基于目标的注意力机制进一步精确地提取短期偏好.对于长期偏好,基于用户注意力机制以捕捉用户和兴趣点之间细粒度的关系.最后,在Foursquare和Gowalla两个数据集上进行实验仿真.结果 表明本文提出的UPTS-PRec模型和主流的推荐方法相比在不同的评价标准上性能有较好的提升,验证了所提出模型的有效性.
文献关键词：
兴趣点推荐;循环神经网络;注意力机制;用户偏好
中图分类号：
作者姓名：
陶丹;姚伊;吴谨汐;范睿明;郑晨旺
作者机构：
北京交通大学电子信息工程学院,北京100044
文献出处：
引用格式：
[1]陶丹;姚伊;吴谨汐;范睿明;郑晨旺-.用户偏好与时间序列的兴趣点推荐模型)[J].小型微型计算机系统,2022(03):582-588
A类：
UPTS,PRec
B类：
用户偏好,兴趣点推荐,推荐模型,签到,序列模式,兴趣偏好,User,Preference,Time,Sequence,POI,Recommenda,tion,短期偏好,长期偏好,用户兴趣,时空上下文,上下文信息,长短期记忆网络,习用,转移模式,注意力机制,用户注意,细粒度,Foursquare,Gowalla,实验仿真,推荐方法,出模,循环神经网络
AB值：
0.366036
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。
