融合深度学习技术的用户兴趣点推荐研究综述

作者：郭旦怀,张鸣珂,贾楠,王彦棡

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。

发文机构：中国科学院计算机网络信息中心 中国科学院大学 中国人民公安大学

关键词：位置推荐深度学习协同过滤个性化推荐venue recommendationdeep learningcollaborative filteringpersonalized recommendation

分类号： P208[天文地球—地图制图学与地理信息工程]