面向下一个兴趣点推荐的细粒度时空多语义超图学习.pdfVIP

第４２卷第２期计算机应用研究Ｖｏｌ４２Ｎｏ２

２０２５年２月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＦｅｂ．２０２５

面向下一个兴趣点推荐的细粒度

时空多语义超图学习

１１，２１１１

李婉秋，张超群，汤卫东，曾志林，李灏然

（１．广西民族大学人工智能学院，南宁５３０００６；２．广西混杂计算与集成电路设计分析重点实验室，南宁

５３０００６）

摘要：现有的下一个兴趣点（ｐｏｉｎｔｏｆｉｎｔｅｒｅｓｔ，ＰｏＩ）推荐技术存在三个主要问题：使用过于简单的方法构建用户

兴趣模型、忽略用户和ＰｏＩ之间在时空维度上的互动以及未能充分挖掘用户间复杂的高阶交互信息。针对这些

问题，提出一种新颖的超图学习模型ＦＳＴＭＨ，细粒度地融合时间、空间和语义信息，用于下一个ＰｏＩ推荐。ＦＳＴＭＨ

包括细粒度嵌入模块和多层次嵌入模块。前者通过使用地理图卷积网络和有向超图卷积网络进行学习，获取对

应的嵌入信息，并通过对比学习提升ＰｏＩ表示的质量，使用细粒度超图卷积网络学习该模块的ＰｏＩ嵌入；后者将

多层语义超图输入到多层超图卷积网络，学习多层次语义的ＰｏＩ嵌入表示。最后，模型将两个模块的ＰｏＩ嵌入向

量进行组合，生成最终的ｔｏｐＫ预测结果。通过在广泛使用的三个社交网络公共数据集上进行多种实验，结果均

表明ＦＳＴＭＨ模型表现出色，说明该新模型可作为提高下一个ＰｏＩ推荐的有效方法。

关键词：下一个兴趣点推荐；细粒度；时空图；多语义；超图学习

中图分类号：ＴＰ３９１文献标志码：Ａ文章编号：１００１３６９５（２０２５）０２０１００３９８０８

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．０７．０２８８

Ｍｕｌｔｉｓｅｍａｎｔｉｃｈｙｐｅｒｇｒａｐｈｌｅａｒｎｉｎｇｗｉｔｈｆｉｎｅｇｒａｉｎｅｄｓｐａｔｉｏｔｅｍｐｏｒａｌ

ｉｎｆｏｒｍａｔｉｏｎｆｏｒｎｅｘｔＰｏＩｒｅｃｏｍｍｅｎｄａｔｉｏｎ

１１，２１１１

ＬｉＷａｎｑｉｕ，ＺｈａｎｇＣｈａｏｑｕｎ，ＴａｎｇＷｅｉｄｏｎｇ，ＺｅｎｇＺｈｉｌｉｎ，ＬｉＨａｏｒａｎ

（１．ＣｏｌｌｅｇｅｏｆＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＧｕａｎｇｘｉＭｉｎｚｕＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ５３０００６，Ｃｈｉｎａ；２．ＧｕａｎｇｘｉＫｅｙＬａｂｏｒａｔｏｒｙｏｆＨｙｂｒｉｄＣｏｍｐｕｔａｔｉｏｎ＆

ＩＣＤｅｓｉｇｎＡｎａｌｙｓｉｓ，Ｎａｎｎｉｎｇ５３０００６，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｔｈｅｃｕｒｒｅｎｔａｐｐｒｏａｃｈｅｓｆｏｒｎｅｘｔｐｏｉｎｔｏｆｉｎｔｅｒｅｓｔ（ＰｏＩ）ｒｅｃｏｍｍｅｎｄａｔｉｏｎｆａｃｅｔｈｒｅｅｍａｉｎｃｈａｌｌｅｎｇｅｓ：ｅｍｐｌｏｙｉｎｇ

ｏｖｅｒｌｙｓｉｍｐｌｉｓｔｉｃｍｅｔｈｏｄｓｔｏｍｏｄｅｌｕｓｅｒｉｎｔｅｒｅｓｔｓ，ｎｅｇｌｅｃｔｉｎｇｔｈｅｃｏｍｐｌｅｘｓｐａｔｉｏｔｅｍｐｏｒａｌｉｎｔｅｒａｃｔｉｏｎｓｂｅｔｗｅｅｎｕｓｅｒｓａｎｄＰｏＩ

ａｎｄｆａｉｌｉｎｇｔｏｆｕｌｌｙｅｘｐｌｏｉｔｔｈｅｉｎｔｒｉｃａｔｅｈｉｇｈｅｒｏｒｄｅｒｉｎｔｅｒａｃｔｉｏｎｉｎｆｏｒｍａｔｉｏｎａｍｏｎｇｕｓｅｒｓ．Ｔｏａｄｄｒｅｓｓｔｈｅｓｅｉｓｓｕｅｓ，ｔｈｉｓｐａｐｅｒ

ｐｒｏｐｏｓｅｄａｎｏｖｅｌｈｙｐｅｒｇｒａｐｈｌｅａｒｎｉｎｇｍｏｄｅｌｃａｌｌｅｄＦＳＴＭＨ．ＦＳＴＭＨｃｏｍｂｉｎｅｄｔｅｍｐｏｒａｌ，ｓｐａｔｉａｌａｎｄｓｅｍａｎｔｉｃｉｎｆｏｒｍａｔｉｏｎ