融合人群移动轨迹和时空-类别的下一个兴趣点推荐

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：郭秉璇, 杨晓文, 孙福盛, 况立群, 张元, 韩慧妍

单位：1.中北大学 计算机科学与技术学院，太原 030051；2.机器视觉与虚拟现实山西省重点实验室，太原 030051；3.山西省视觉信息处理及智能机器人工程研究中心，太原 030051

摘要：下一个兴趣点推荐（next POI recommendation）作为基于位置社交网络的主要应用之一，为用户和服务提供商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐，没有充分利用其他用户移动轨迹数据的潜在价值，也未有效提取和融合时空-类别信息的特征。为了解决上述问题，提出了一种融合人群移动轨迹和时空-类别的下一个兴趣点推荐模型（GGCN-STC）。依据用户的移动轨迹构建区域轨迹图，提出了门控图卷积神经网络对共同移动轨迹进行建模；将签到序列中的时空-类别信息进行多维度的特征融合；利用自注意力机制捕获用户偏好，为用户提供更准确的POI推荐。在两个真实数据集上进行实验比较与分析，结果表明该模型优于其他模型。

关键词：兴趣点推荐,门控图卷积神经网络,自注意力机制,时空网络