基于多维上下文感知图嵌入模型的兴趣点推荐

来源：软件学报杂志2020年第12期北京时间：

作者：陈劲松，孟祥武，纪威宇，张玉洁

单位：陈劲松，智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876;北京邮电大学 计算机学院, 北京 10087611,孟祥武，智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876;北京邮电大学 计算机学院, 北京 10087602,纪威宇，智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876;北京邮电大学 计算机学院, 北京 10087603,张玉洁，智能通信软件与多媒体北京市重点实验室(北京邮电大学), 北京 100876;北京邮电大学 计算机学院, 北京 10087604

摘要：近些年来，兴趣点推荐系统已经逐渐成为移动推荐系统领域的研究热点之一.多种因素联合建模的方法逐渐深入，如时间、空间、序列、社会化和语义信息被引入统一模型，以建模多维情景下的用户偏好.其中，嵌入学习模型作为一种有效的多因素联合建模方法，在移动推荐领域有较好的性能.然而，多数嵌入学习的模型只是简单地将显式因素，如时间戳、项目、区域、序列等嵌入到相同的空间，由于缺乏对用户和项目的语义特征的深层次挖掘，在用户签到极端稀疏时，难以精准获取用户偏好.鉴于此，提出一种多维上下文感知的图嵌入模型——MCAGE.在MCAGE中，利用主题模型提取用户和项目间的潜在语义特征，并重新定义了一系列图的节点及关联规则，设计了更有效的用户偏好公式，以此提升刻画移动用户偏好的精准度.最后，通过在真实数据集上的实验分析，证明了该模型具有更好的推荐性能.

关键词：移动推荐;语义特征;嵌入学习模型;主题模型

基金资助：北京市教育委员会共建项目