典型文献
基于LBSN和多图融合的兴趣点推荐
文献摘要：
兴趣点推荐作为推荐领域的一个重要分支一直备受研究者青睐.本文提出一种基于位置的社交网络(LBSN)和多图融合的兴趣点推荐方法GraphPOI.综合分析用户和兴趣点的内在因素和外部表征,首先,对用户-兴趣点的评分矩阵进行学习得到用户和兴趣点的内部潜在向量;其次,根据评分矩阵构造用户-兴趣点交互图,得到兴趣点在用户空间的表征向量以及用户在兴趣点空间的表征向量;然后,对兴趣点按其地理位置进行聚类,得到兴趣点在位置空间的表征向量,结合兴趣点在用户空间的表征向量进而得到兴趣点的外部表征向量;对用户社交图中的信息扩散现象进行建模,捕获用户的朋友关系,得到用户在社交空间的表征向量,结合用户在兴趣点空间的表征向量进而得到用户的外部表征向量;最后,结合用户和兴趣点的内部潜在向量与外部表征向量,得到用户和兴趣点的最终向量表示,并将其输入到多层神经网络模型中进行评分预测.在Ye l p数据集上对所提模型进行验证,结果表明本文方法能够有效提升兴趣点推荐的准确性.
文献关键词：
兴趣点推荐;基于位置的社交网络;聚类;多图融合;向量表征
中图分类号：
作者姓名：
方金凤;孟祥福
作者机构：
辽宁工程技术大学测绘与地理科学学院,辽宁 阜新 123000;辽宁工程技术大学电子与信息工程学院,辽宁 葫芦岛 125105
文献出处：
引用格式：
[1]方金凤;孟祥福-.基于LBSN和多图融合的兴趣点推荐)[J].测绘学报,2022(05):739-749
A类：
多图融合,GraphPOI
B类：
LBSN,兴趣点推荐,基于位置的社交网络,推荐方法,内在因素,评分矩阵,习得,点交,空间的表征,点空间,点按,在位,合兴,社交图,信息扩散,扩散现象,社交空间,向量表示,多层神经网络,评分预测,Ye,向量表征
AB值：
0.218241
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。
