首页|基于排序学习的连续兴趣点推荐

基于排序学习的连续兴趣点推荐

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对位置社交网络中连续兴趣点推荐系统面临的个性化偏好、数据稀疏性和签到行为的隐式反馈属性等挑战,提出一种基于排序学习的连续兴趣点推荐模型.本文使用三阶张量模型对用户的连续签到行为进行建模,并利用LBSNs中的地理信息定义用户访问兴趣点的地理距离偏好,最后使用基于排序学习的优化标准优化求解模型参数.在两个真实的LBSNs数据集上的实验结果表明,本文提出的模型在推荐性能上优于当前流行的兴趣点推荐算法.
Successive point-of-interest recommendation based on learning to rank

郭承湘、赵雨佳、朱新华

展开 >

广西中医药大学 校长办公室、发展规划处、网络和信息化管理办公室(合署),广西 南宁 530200

中国人民大学 信息学院,北京 100872

广西师范大学 计算机科学与信息工程学院,广西 桂林 541004

位置社交网络 兴趣点推荐系统 排序学习 张量分解

62062012

2021

10.13624/j.cnki.issn.1001-7445.2021.0683

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2021.46(3)
  • 1
  • 6