计算机应用

作者：李全, 许新华, 刘兴红, 陈琦

单位：湖北师范大学 计算机与信息工程学院, 湖北 黄石 435002

关键词：循环神经网络,地点推荐,个性化偏好,注意力机制,贝叶斯个性化排序

基金：湖北省教育厅科技项目（B2018150）；国家档案局科技计划项目（2016-x-51）；湖北省高等学校优秀中青年科技创新团队计划项目（T201515）。

针对循环神经网络（RNN）的门控循环单元（GRU）在进行地点推荐时没有考虑地点的时间和空间信息的影响，提出了融合时空感知的GRU模型。另外，对于签到序列中不相关的签到数据会产生噪声的问题，提出了融合时空感知的GRU和注意力的下一个地点推荐模型（ST-GRU+Attention）。首先，通过计算两个地点之间时间间隙和距离间隙，在GRU模型的基础上增加时间门和空间门，设置权重矩阵，控制时间信息和空间信息对推荐下一个地点的影响；然后，引入注意力机制，通过计算用户偏好的注意力权重得分，得到用户的注意力权重系数，获取用户的个性化偏好；最后，通过贝叶斯个性化排序（BPR）算法构造目标函数并学习模型参数。实验结果表明，与个性化马尔可夫链和用户位置受限的推荐方法（FPMC-LR）、基于个性化排名度量嵌入的推荐方法（PRME）和融合时间和空间的循环神经网络（ST-RNN）的推荐方法相比，ST-GRU+Attention的准确度有了较大的提高，其准确率（Precision）和召回率（Recall）两项指标比较优的ST-RNN算法分别提高了15.4%和17.1%。ST-GRU+Attention推荐方法可以有效地改善地点推荐的结果。

来源：2020年第3期

《计算机应用》期刊编辑部

查看计算机应用杂志2020年第3期