Group-Based Recurrent Neural Networks for POI Recommendation
Group-Based Recurrent Neural Networks for POI Recommendation
复制标题
用于 POI 推荐的基于组的循环神经网络
DOI：
10.1145/3343037
复制
发表时间：
2020-03
期刊：
影响因子：
--
通讯作者：
Xiaofang Zhou
中科院分区：
文献类型：
--
作者：
Guohui Li;Qi Chen;Bolong Zheng;Hongzhi Yin;Quoc Viet Hung Nguyen;Xiaofang Zhou
随着移动的互联网的发展，许多基于位置的服务已经积累了大量的数据，可以用于兴趣点（POI）推荐。然而，由于这些信息的异质性和隐含性，在开发一个统一的框架以合并与POI和用户相关联的多个因素方面仍然存在挑战。为了缓解这个问题，这项工作提出了一种新的基于组的POI推荐方法，联合考虑评论，类别和地理位置，称为基于组的时间情感方面区域递归神经网络（GTSAR-RNN）。我们将用户分成不同的组，然后为每个组训练一个单独的RNN，目的是提高其相关性。在GTSAR-RNN中，我们不仅考虑了时间和地理背景的影响，而且考虑了用户对位置的情感意见。在真实的数据集上的实验结果表明，GTSAR-RNN算法较基线算法有显著的改进.
With the development of mobile Internet, many location-based services have accumulated a large amount of data that can be used for point-of-interest (POI) recommendation. However, there are still challenges in developing an unified framework to incorporate multiple factors associated with both POIs and users due to the heterogeneity and implicity of this information. To alleviate the problem, this work proposes a novel group-based method for POI recommendation jointly considering the reviews, categories, and geographical locations, called the Group-based Temporal Sentiment-Aspect-Region Recurrent Neural Network (GTSAR-RNN). We divide the users into different groups and then train an individual RNN for each group with the goal of improving its pertinence. In GTSAR-RNN, we consider not only the effects of temporal and geographical contexts but also the users’ sentimental opinions on locations. Experimental results show that GTSAR-RNN acquires significant improvements over the baseline methods on real datasets.
登录
查看更多内容
影响因子：
8.9
作者：
Kai Zheng;Yu Zheng;Nicholas Jing Yuan;Shuo Shang;Xiaofang Zhou
通讯作者：
Xiaofang Zhou
DOI：
10.1145/1869790.1869861
发表时间：
2010-11
期刊：
--
影响因子：
--
作者：
Mao Ye;Peifeng Yin;Wang-Chien Lee
通讯作者：
Mao Ye;Peifeng Yin;Wang-Chien Lee
DOI：
--
发表时间：
2015-07
期刊：
--
影响因子：
--
作者：
Shanshan Feng;Xutao Li;Yi-feng Zeng;G. Cong;Yeow Meng Chee;Quan Yuan
通讯作者：
Shanshan Feng;Xutao Li;Yi-feng Zeng;G. Cong;Yeow Meng Chee;Quan Yuan
影响因子：
9.3
作者：
Qiu, Guang;Liu, Bing;Chen, Chun
通讯作者：
Chen, Chun
DOI：
10.1145/2484028.2484030
发表时间：
2013-07
期刊：
Proceedings of the 36th international ACM SIGIR conference on Research and development in information retrieval
影响因子：
--
作者：
Quan Yuan;G. Cong;Zongyang Ma;Aixin Sun;N. Magnenat-Thalmann
通讯作者：
Quan Yuan;G. Cong;Zongyang Ma;Aixin Sun;N. Magnenat-Thalmann