面向本地与外地用户的位置-情感感知推荐系统
社会与信息网络
2017-06-21 v1 信息检索
摘要
空间项目推荐已成为帮助人们发现有趣位置的重要手段，尤其是当人们前往陌生区域时。当前一些研究侧重于基于用户签到记录建模个体与群体的地理偏好以进行空间项目推荐，但未能探索用户兴趣在不同地理区域间的漂移现象，即用户在前往不同区域时会表现出不同的兴趣。此外，它们忽略了公众评论对后续用户签到行为的影响。具体而言，直观上，即使某个空间项目可能符合用户的兴趣，但如果其历史评论总体呈负面，用户也会拒绝签到。因此，有必要在正确的位置将正确的项目推荐给正确的用户。在本文中，我们提出了一种名为 LSARS 的潜在概率生成模型，通过适应兴趣漂移与群体情感，来模拟用户在本地与外地场景下签到活动的决策过程，该模型能够从空间项目内容与用户评论中学习位置感知与情感感知的个体兴趣。由于用户在外地活动的稀疏性，LSARS 进一步设计为融合从本地用户签到行为中学习到的公众偏好。最后，我们将 LSARS 部署到两个实际应用场景中：空间项目推荐与目标用户发现。在两个大规模基于位置的社交网络（LBSNs）数据集上的大量实验表明，LSARS 取得了优于现有 SOTA 方法的性能。
引用
@article{arxiv.1706.06239,
title = {A Location-Sentiment-Aware Recommender System for Both Home-Town and Out-of-Town Users},
author = {Hao Wang and Yanmei Fu and Qinyong Wang and Hongzhi Yin and Changying Du and Hui Xiong},
journal= {arXiv preprint arXiv:1706.06239},
year = {2017}
}
备注
Accepted by KDD 2017