计算机工程

作者：夏永生, 王晓蕊, 白鹏, 李梦梦, 夏阳, 张凯

单位：1. 中国矿业大学 计算机科学与技术学院, 江苏 徐州 221116;2. 苏宁易购集团股份有限公司, 南京 210042

关键词：兴趣点推荐,深度学习,门控循环单元,地理位置,时间序列

基金：国家自然科学基金（51874300）；国家自然科学基金委员会-山西省人民政府煤基低碳联合基金（U1510115）；中国博士后科学基金特别项目（2013T60574）。

兴趣点推荐算法多数易受时间因素与地理位置因素的影响，造成兴趣点的相关文本信息具有不完整性和模糊性。从地理位置与时间相关性出发，提出基于时序和距离的门控循环单元兴趣点推荐算法。利用门控循环单元模型对时间序列和相关距离信息进行建模，提取用户访问兴趣点的偏好特征，并基于该特征对用户进行兴趣点推荐。在真实数据集上进行的实验结果表明，与传统循环神经网络算法相比，该算法能够覆盖用户访问兴趣点的长序列，推荐结果更具可靠性。

来源：2020年第1期

《计算机工程》期刊编辑部

查看计算机工程杂志2020年第1期