| 顾及道路通达性和时间成本的多用户位置推荐 |
| |
| 引用本文： | 郭旦怀, 张鸣珂, 贾楠, 王彦棡. 融合深度学习技术的用户兴趣点推荐研究综述[J]. 武汉大学学报 ( 信息科学版), 2020, 45(12): 1890-1902. DOI: 10.13203/j.whugis20200334 |
| |
| 作者姓名： | 郭旦怀 张鸣珂 贾楠 王彦棡 |
| |
| 作者单位： | 1.中国科学院计算机网络信息中心,北京,100190;2.中国科学院大学,北京,100049;3.中国人民公安大学,北京,100038 |
| |
| 基金项目： | 国家自然科学基金(41971366, 91846301, 71904095);国家重点研发计划(2018YFC0809700) |
| |
| 摘 要： | 近年来,用户兴趣点（point of interest,POI）推荐是基于位置的社会网络（location-based social network,LBSN）研究的热门话题,POI推荐不仅可以帮助用户找到心仪的POI,也可为商家带来可观收益。深度学习技术因可以更有效地捕获用户与物品间的非线性关系,逐渐应用到推荐系统任务中。对近年来结合深度学习技术的用户POI推荐的研究进行综述。首先介绍了用户POI推荐与传统推荐任务的区别,并介绍了可以提高推荐任务模型性能的多种影响因素;随后将深度学习应用到POI推荐的方式分为4类：POI的向量化学习、深度协同过滤、从辅助内容中提取特征和利用循环神经网络进行序列推荐,并阐述了深度学习技术在这些方式中的应用效果与优势;最后对结合深度学习技术的用户POI推荐的发展方向进行了总结与展望。
|
| 关 键 词： | 位置推荐 深度学习 协同过滤 个性化推荐 |
| 收稿时间： | 2020-10-15 |
|
| 点击此处可从《武汉大学学报(信息科学版)》浏览原始摘要信息 |
|
点击此处可从《武汉大学学报(信息科学版)》下载免费的PDF全文 |
|
