一种结合矩阵分解和深度学习技术的POI推荐模型

来源：计算机测量与控制杂志2020年第6期北京时间：

作者：董丽丽,秦蕾,张 翔

单位：西安建筑科技大学 信息与控制工程学院 陕西 西安 西安建筑科技大学 信息与控制工程学院 陕西 西安

摘要：基于位置社交网络(Location-based social network, LBSN)的兴趣点(Point-of-Interest,POI)推荐算法是近年来的研究热点,有效的POI推荐具有极大的经济和社会效益。针对LBSN中的数据稀疏问题、用户细粒度兴趣(即用户的长期和短期兴趣)序列建模问题和联合多种影响因素的POI推荐问题,研究一种结合矩阵分解和带有注意力机制深度学习技术的POI推荐模型(CF-ADNN)。一方面,构造特征矩阵缓解签到数据稀疏问题,通过矩阵分解得到隐藏因子,计算POI的特征向量；另一方面,构建一种带注意力机制的用户细粒度兴趣的序列建模方式,有效学习用户长期和短期的兴趣特征,提高POI推荐精确度；结合上述两种方法,最终得到可以融合多种影响因素的POI推荐模型。并通过对比试验,进一步验证模型的推荐效果。

关键词：POI推荐;矩阵分解;深度学习;注意力机制

基金资助：国家自然科学基金项目(61701388)； 陕西省自然科学基础研究计划资助项目（2018JM6080）； 西安市科技局科技创新引导项目（201805033YD11CG17(1)）； 西安市科技局科技创新引导项目（201805033YD11CG17(2)）