基于潜在行为模式推断的个性化下一兴趣点推荐
社会与信息网络
2018-05-17 v1
摘要
在本文中，我们解决个性化下一兴趣点(POI)推荐问题，该问题对基于位置的社交网络(LBSNs)而言已成为重要且极具挑战性的任务，但尚缺乏充分研究。基于如下猜想：在不同情境场景下，人类表现出不同的移动模式，我们试图在用户潜在行为模式的影响下联合建模下一 POI 推荐。我们提议采用三阶张量对连续签到行为进行建模。通过将类别影响整合进移动模式并聚合用户对某 POI 的空间偏好，所提模型从本质上处理下一新 POI 推荐问题。通过引入 softmax 函数将个性化马尔可夫链与潜在模式相融合，我们给出了一种贝叶斯个性化排序(BPR)方法并相应导出优化准则。随后使用期望最大化(EM)估计模型参数。我们进一步考虑了情境场景下个性化移动模式，开发了个性化模型以提升推荐性能。在两个大规模 LBSNs 数据集上的大量实验表明，我们的模型相较若干最先进方法取得了显著改进。
引用
@article{arxiv.1805.06316,
title = {Personalized Next Point-of-Interest Recommendation via Latent Behavior Patterns Inference},
author = {Jing He and Xin Li and Lejian Liao and Williamb K. Cheung},
journal= {arXiv preprint arXiv:1805.06316},
year = {2018}
}