摘 要：随着基于位置的社交网络(LBSN)日益流行，个性化的兴趣点推荐已然成为一项关键任务。为减轻兴趣点推荐里的空间稀疏性问题，本研究设计了一种融合时空注意力关系网络的兴趣点推荐模型 ISTARN（integrated spatio-temporal attention relation network，ISTARN）。首先，构建签到序列的时空关系矩阵，借助多模态嵌入学习用户、位置、时间以及时空效应的密集表示；接着，运用时间间隔自注意力网络和时空融合注意力网络，通过引入高斯核函数显式建模时间相关性的平滑衰减，使模型能够有效容忍用户行为的时间偏移，从而精准捕获非连续访问间的潜在周期性关联，减轻签到数据稀疏所造成的困难；最后，在 Foursquare 数据集上进行验证，实验结果显示，本文模型优于其他先进基准模型，可以有效提升推荐性能。 发布并新建

论文下载：

融合时空注意力关系网络的兴趣点推荐_张贤坤.pdf

  浏览次数：