摘要:興趣點推薦算法多數(shù)易受時間因素與地理位置因素的影響,造成興趣點的相關文本信息具有不完整性和模糊性。從地理位置與時間相關性出發(fā),提出基于時序和距離的門控循環(huán)單元興趣點推薦算法。利用門控循環(huán)單元模型對時間序列和相關距離信息進行建模,提取用戶訪問興趣點的偏好特征,并基于該特征對用戶進行興趣點推薦。在真實數(shù)據(jù)集上進行的實驗結果表明,與傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡算法相比,該算法能夠覆蓋用戶訪問興趣點的長序列,推薦結果更具可靠性。
注:因版權方要求,不能公開全文,如需全文,請咨詢雜志社