兴趣点推荐：利用具有邻域感知影响的自注意力自编码器
信息检索
2018-10-01 v1
摘要
基于位置的社交网络（LBSNs）的快速增长为满足个性化的兴趣点（POI）推荐服务的强烈需求提供了绝佳机遇。然而，随着用户与 POI 的急剧增长，POI 推荐系统仍面临若干挑战性问题：（1）从隐式反馈中建模非线性用户-POI 交互的困难；（2）融入如 POI 地理坐标等上下文信息的困难。为应对这些挑战，我们提出一种新颖的基于自编码器的模型来学习非线性用户-POI 关系，即 \textit{SAE-NAD}，其由自注意力编码器（SAE）与邻域感知解码器（NAD）组成。特别地，不同于以往工作同等对待用户签到 POI，我们的自注意力编码器通过采用多维注意力机制自适应地区分用户在多方面上的偏好程度。为融入地理上下文信息，我们提出邻域感知解码器，通过 POI 嵌入的内积结合径向基函数（RBF）核，使用户在签到 POI 的相似且邻近邻居上的可达性更高。为评估所提模型，我们在三个真实世界数据集上结合许多最先进基线方法与评估指标进行了充分实验。实验结果证明了我们模型的有效性。
引用
@article{arxiv.1809.10770,
title = {Point-of-Interest Recommendation: Exploiting Self-Attentive Autoencoders with Neighbor-Aware Influence},
author = {Chen Ma and Yingxue Zhang and Qinglong Wang and Xue Liu},
journal= {arXiv preprint arXiv:1809.10770},
year = {2018}
}
备注
Accepted by the 27th ACM International Conference on Information and Knowledge Management (CIKM 2018)