原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
3162025，61（2）ComputerEngineeringandApplications计算机工程与应用
融合人群移动轨迹和时空-类别的下一个兴趣点推荐
1，2，31，2，3+1，2，31，2，31，2，31，2，3
郭秉璇，杨晓文，孙福盛，况立群，张元，韩慧妍
1.中北大学计算机科学与技术学院，太原030051
2.机器视觉与虚拟现实山西省重点实验室，太原030051
3.山西省视觉信息处理及智能机器人工程研究中心，太原030051
+通信作者E-mail：wenyang1314@nuc.edu.cn
摘要：下一个兴趣点推荐（nextPOIrecommendation）作为基于位置社交网络的主要应用之一，为用户和服务提供
商带来了显著的实用价值。现有的POI推荐模型主要依赖于目标用户的历史签到数据进行推荐，没有充分利用其
他用户移动轨迹数据的潜在价值，也未有效提取和融合时空-类别信息的特征。为了解决上述问题，提出了一种融
合人群移动轨迹和时空-类别的下一个兴趣点推荐模型（GGCN-STC）。依据用户的移动轨迹构建区域轨迹图，提出
了门控图卷积神经网络对共同移动轨迹进行建模；将签到序列中的时空-类别信息进行多维度的特征融合；利用自
注意力机制捕获用户偏好，为用户提供更准确的POI推荐。在两个真实数据集上进行实验比较与分析，结果表明该
模型优于其他模型。
关键词：兴趣点推荐；门控图卷积神经网络；自注意力机制；时空网络
文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2401-0424
NextPointofInterestRecommendationFusingCrowdMovementTrajectoriesandSpatiotemporal-
CategoryFeatures
GUOBingxuan1,2,3,YANGXiaowen1,2,3+,SUNFusheng1,2,3,KUANGLiqun1,2,3,ZHANGYuan1,2,3,HANHuiyan1,2,3
1.SchoolofComputerScienceandTechnology,NorthUniversityofChina,Taiyuan030051,China
2.ShanxiKeyLaboratoryofMachineVisionandVirtualReality,Taiyuan030051,China
3.ShanxiProvince’sVisionInformationProcessingandIntelligentRobotEngineeringResearchCenter,Taiyuan030051,
China
Abstract：Nextpointofinterest(POI)recommendation,asoneofthemainapplicationsoflocation-basedsocialnet-
works,bringssignificantpracticalvaluetobothusersandserviceproviders.However,existingPOIrecommendationmod-
elsmainlyrelyonthehistoricalcheck-indataoftargetusers,withoutfullyleveragingthepotentialvalueofmovementtra-
jectoriesdatafromothers,noreffectivelyextractingandfusingspatiotemporal-categoryfeatures.Toaddresstheseissues,
thispaperproposesGGCN-STC,anextPOIrecommendationmodelthatintegratescrowdmovementtrajectoriesandspa-
tiotemporal-categoryfeature
文档评论（0）