TL;DR基于移动技术和位置感知社交网络中的 POI 推荐系统的知识图谱建模的研究,以及超关系和数据稀疏性的影响与解决方法的探讨。
Abstract
With the advancement of mobile technology, Point of Interest (POI)
recommendation systems in Location-based Social Networks (LBSN) have brought
numerous benefits to both users and companies. Many existing works employ
k
本研究提出了一种基于内核的图神经网络方法,用于下一个 POI 推荐,旨在协同考虑了地理和序列影响,具体地,该方法包括了一个地理模块和一个序列模块,并引入了一个一致性学习框架,提升了两个分离图形提取的跨模块信息交流。在两个真实世界的 LBSN 数据集上,详尽的实验结果展示了该方法相比现有技术的卓越性能。
研究了 POI(点 - of-interest)推荐系统中用户 - POI 数据稀疏性、时空上下文变化以及语义信息对推荐质量的影响,提出了一种基于转换关系嵌入和知识图谱嵌入技术的 POI 推荐模型并构建了基于用户 - POI 图的组合矩阵分解框架来增强动态个人兴趣的推理。实验证明该方法具有较好的推荐效果。