融合时序门控图神经网络的兴趣点推荐方法

来源：计算机工程与应用杂志2024年第16期北京时间：

作者：唐宏, 刘斌, 张静, 金哲正

单位：1.重庆邮电大学 通信与信息工程学院，重庆 400065 ；2.重庆邮电大学 移动通信技术重庆市重点实验室，重庆 400065

摘要：现有的大多数兴趣点（point of interest， POI）推荐系统由于忽略了用户签到序列中的顺序行为模式，以及用户的个性化偏好对于POI推荐的影响，导致POI推荐系统性能较低，推荐结果不可靠，进而影响用户体验。为了解决上述问题，提出一种融合时序门控图神经网络的兴趣点推荐方法。运用时序门控图神经网络（temporal gated graph neural network，TGGNN）学习POI embedding；采用注意力机制捕获用户的长期偏好；通过注意力机制融合用户的最新偏好和实时偏好，进而捕获用户的短期偏好。通过自适应的方式结合用户的长期和短期偏好，计算候选POI的推荐得分，并根据得分为用户进行POI推荐。实验结果表明，与现有方法相比，该方法在召回率和平均倒数排名这两项指标上均有较为明显的提升，因此可以取得很好的推荐效果，具有良好的应用前景。

关键词：兴趣点推荐,注意力机制,时序门控图神经网络,窗口池化,实时偏好