基于LBSN和多图融合的兴趣点推荐.docx

移动网络的迅速发展和智能设备的迅速普及使得基于位置的服务在社交网络中得到广泛关注。兴趣点推荐作为基于位置的社交网络的重要服务之一，逐渐成为地理信息系统、web信息检索等领域的研究热点[1]。协同过滤是最早采用的兴趣点推荐方法，通过学习用户和兴趣点的潜在特征，以向量的形式表示用户和兴趣点，再基于向量预测用户对兴趣点的偏好度。矩阵分解方法利用用户的ID信息作为用户的表示向量，但是随着词嵌入的出现，研究人员开始将用户和兴趣点的特征信息进行嵌入来表示用户和兴趣点。然而，该类方法无法捕获用户-兴趣点交互记录中的协作信息。为此，文献[2-4]提出图神经网络来学习图数据中的向量表示，该方法能够整合图中的节点