基于卷积和循环神经网络的连续POI推荐

发布时间：2021-02-16 06:11

　　互联网数据给用户带来更及时、更广泛信息的同时,也面临着信息过载、质量差异的问题,例如当某用户在“美团”上搜索某个场所时,会出现数十个地方,这样用户很难做出选择,这时基于位置的兴趣点（POI）推荐显得很重要,因为它可以帮助用户导航多个候选POI并根据用户最近的登记信息提供最佳POI。然而位置推荐不同于商品推荐,位置推荐对时间和位置有严格的要求,位置不合适和时间不合理,都很容易产生系统推荐的位置用户很难到达,或者一个用户很喜欢健身但半夜给他推荐健身房等不合理推荐的出现,另一方面位置社交网络数据中用户能签到的POI数量极少,使用经典协同过滤推荐算法存在用户—POI数据极度稀疏并且依赖于先验知识提取数据特征,有效性和可扩展性非常有限的问题。基于以上考虑本文提出连续POI的推荐,旨在将时间和地理因素融入推荐系统,利用深度学习通过一种端到端的过程学习数据特征,提取出更深层次的数据特征,缓解了协同过滤推荐方法依赖于先验知识提取数据特征和用户--POI数据极度稀疏的问题。考虑到用户签到关系是一个长期依赖关系,CNN卷积神经网络擅长提取潜在的特征,LSTM长短期记忆模型擅长解决长时依赖问题,所以实验中采... 

【文章来源】：云南大学云南省 211工程院校

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图１－１：?ＬＢＳＮ用户签到序列结构图??

??经网络概述??网络是一种模拟人脑神经工作原理的计算模型，具体来说，人种特定方法聚合添加到某个神经元中，当神经元信号的总数超么它将刺激神经细胞并触发下一状态，电信号将被发送到其他，如果神经元信号总数低于阈值，则神经细胞将保持受限，不理神经网络模拟了人脑的运作过程，如２－１图所示，神经网络中部分第一部分是信号的累积和处理，另一部分是输入信号经过中权重ｗ?＝?与输入数据度匹配。过程可表示为：??／?＝?ｙ７?ａ＞ｋｊｘｊ?＋?ｂｉａｓ?（２．１）??７＝１??＝??

ｇ（ｘ，ｙ为卷积核上ｘ行，ｙ列的值。卷积实际上提供了一个权值模板，这个??模板在输入矩阵上滑动，然后覆盖所有输入值进行加权，并将结果作为这个卷积??核在输入矩阵该点的响应。具体操作如图２－２所示。??Ａ??ｋｅａｎｅｌ?ｋｅａｎｅｌ??ｍｐｍ??ｉ？？…卜十??：？?ｉ…丄．？丄．．：ｉ?．．Ｊ．．？．二．．：??ａ．ｃｏｎｖｏｌｕｔｏｎ?ｗｉｔｈ?ｐａｄｄｉｎｇ?ｂ．ｃｏｎｖｏｌｕｔｏｎ?ｗｉｔｈ?ｎｏ?ｐａｄｄｉｎｇ??图２－２：两种主流的卷积操作过程图??对于给定卷积核大小ｋ（初始化卷积核参数采用随机初始化方法），输入数据??为ｗｘ／ｚｘｃ，如果米用图２－２?ａ中边缘填充的方法卷积其输出数据大小为ｗｘ／ｚｘｗ?（ｎ??为输出通道数），如果采用图２－２?ｂ中边缘不填充的方法卷积其输出数据大小为??９??

【参考文献】：
期刊论文
[1]基于卷积神经网络的图像分类算法综述[J]. 杨真真,匡楠,范露,康彬.  信号处理. 2018(12)
[2]循环神经网络研究综述[J]. 杨丽,吴雨茜,王俊丽,刘义理.  计算机应用. 2018(S2)
[3]全卷积神经网络应用于SAR目标检测[J]. 张椰,朱卫纲,吴戌.  电讯技术. 2018(11)
[4]基于位置的社会化网络推荐技术研究进展[J]. 焦旭,肖迎元,郑文广,朱珂.  计算机研究与发展. 2018(10)
[5]基于LSTM的商品评论情感分析[J]. 於雯,周武能.  计算机系统应用. 2018(08)
[6]河南省知识产权司法保护机制的探索与完善[J]. 任巍.  河南科技. 2018(10)
[7]基于深度学习的推荐系统研究综述[J]. 黄立威,江碧涛,吕守业,刘艳博,李德毅.  计算机学报. 2018(07)
[8]多尺度卷积循环神经网络的情感分类技术[J]. 吴琼,陈锻生.  华侨大学学报(自然科学版). 2017(06)
[9]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军.  计算机学报. 2017(06)
[10]人工智能的突破与科学方法的创新[J]. 钟义信.  模式识别与人工智能. 2012(03)



本文编号：3036310