兴趣点推荐方法研究综述

兴趣点(Point-Of-Interest,POI)推荐是基于位置的社交网络(Location-Based Social Networks,LBSN)中一项重要的服务,无论对商家还是对客户都有重要的影响,并且兴趣点数据作为时空数据的典型更是得到了广泛关注,因此兴趣点推荐近年来已经成为学术界的热门研究课题.文章分析了兴趣点推荐的影响因素,对传统兴趣点推荐方法进行了总结,分析了最新的基于图嵌入方法以及图神经网络在兴趣点推荐领域中的应用,最后对兴趣点推荐所面临的挑战以及未来的研究趋势加以分析.     

融合社交关系的轻量级图卷积协同过滤推荐方法

图卷积网络(graph convolution network, GCN)因其强大的建模能力得到了迅速发展,目前大部分研究工作直接继承了GCN的复杂设计（如特征变换,非线性激活等）,缺乏简化工作。另外,数据稀疏性和隐式负反馈没有被充分利用,也是当前推荐算法的局限。为了应对以上问题,提出了一种融合社交关系的轻量级图卷积协同过滤推荐模型。模型摒弃了GCN中特征变换和非线性激活的设计;利用社交关系从隐式负反馈中产生一系列的中间反馈,提高了隐式负反馈的利用率;最后,通过双层注意力机制分别突出了邻居节点的贡献值和每一层图卷积层学习向量的重要性。在2个公开的数据集上进行实验,结果表明所提模型的推荐效果优于当前的图卷积协同过滤算法。