用于兴趣点推荐的类别感知位置嵌入
信息检索
2019-08-01 v1
摘要
近年来，兴趣点（POI）推荐在各种基于位置的社交网络（LBSNs）中变得愈发重要。随着神经模型的最新进展，许多工作试图利用神经网络在预训练阶段学习神经嵌入，以实现对 POI 的改进表示，从而获得更好的推荐。然而，先前的研究未能捕捉关于 POI 的关键信息，例如类别信息。本文中，我们提出一种新颖的神经模型，生成融合 POI 序列与类别信息的 POI 嵌入。我们的模型由签到模块与类别模块组成。签到模块从用户签到序列中捕捉 POI 的地理影响，而类别模块从类别信息中捕捉 POI 的特征。为验证模型效力，我们在两个大规模 LBSN 数据集上进行了实验。实验结果表明，我们的方法显著优于最先进的 POI 推荐方法。
引用
@article{arxiv.1907.13376,
title = {Category-Aware Location Embedding for Point-of-Interest Recommendation},
author = {Hossein A. Rahmani and Mohammad Aliannejadi and Rasoul Mirzaei Zadeh and Mitra Baratchi and Mohsen Afsharchi and Fabio Crestani},
journal= {arXiv preprint arXiv:1907.13376},
year = {2019}
}
备注
4 pages, 1 figures