计算机工程

作者：汤佳欣, 陈阳, 周孟莹, 王新

单位：1. 复旦大学 计算机科学技术学院, 上海 201203;2. 复旦大学 上海市智能信息处理重点实验室, 上海 201203

关键词：兴趣点推荐,深度学习,特征提取,特征整合,数据稀疏性

基金：上海市自然科学基金（16ZR1402200）。

在基于位置的社交网络（LBSN）中，用户可以在兴趣点（POI）进行签到以记录行程，也可以与其他用户分享自身的感受并形成社交好友关系。POI推荐是LBSN提供的一项重要服务，其可以帮助用户快速发现感兴趣的POI，也有利于POI提供商更全面地了解用户偏好，并有针对性地提高服务质量。POI推荐主要基于对用户历史签到数据以及用户生成内容、社交关系等信息的分析来实现。系统归纳POI推荐中所面临的时空序列特征提取、内容社交特征提取、多特征整合、数据稀疏性问题处理这4个方面的挑战，分析在POI推荐中使用深度学习方法解决上述问题时存在的优势以及不足。在此基础上，展望未来通过深度学习提高POI推荐效果的研究方向，即通过增量学习加速推荐模型更新、使用迁移学习缓解冷启动问题以及利用强化学习建模用户动态偏好，从而为实现效率更高、用户体验质量更好的推荐系统提供新的思路。

来源：2022年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第1期