时空上下文感知的下一个PoI推荐方法

来源：计算机应用研究杂志2025年第11期北京时间：

作者：海燕,王静,刘志中,

单位：1.华北水利水电大学信息工程学院,郑州450045；2.烟台大学计算机与控制工程学院,山东烟台264005；

摘要：随着基于位置的社交网络的快速发展，下一个PoI（point of interest） 推荐已成为推荐领域的研究热点。然而现有研究模型忽略了PoI的时空特征以及上下文信息对下一个PoI推荐的效果。针对该问题，提出一种时空上下文感知的下一个PoI推荐方法。首先，利用图注意力网络（GAT） 学习包含社交关系的用户表征；并且通过流行度增强二部图神经网络（PEBGNN）学习含有PoI交互偏好的用户表征和PoI表征；同时，利用时空图卷积网络（ST-GCN）学习PoI时空转移偏好的PoI表征；最后，通过融合所学到的用户表征和PoI表征，计算出用户对于各个PoI的预测评分，以此为基础为用户推荐下一个PoI。为了验证该方法的有效性，在Gowalla、Foursquare以及Yelp这三个公开的数据集上进行了测试。实验结果显示，相比于多个基准模型，所提方法在准确率和召回率方面均展现出了显著的优势，分别平均提升28.53%和7.65%。

关键词：下一个PoI推荐,PoI流行度,时空上下文,时空转移图,图注意力网络,时空图卷积网络,