Resumen

Para resolver los problemas de gran dispersión de datos y falta de muestras negativas en la mayoría de los métodos de recomendación de puntos de interés (POI), se propone un método de recomendación de POI basado en aprendizaje profundo en redes sociales basadas en la ubicación. En primer lugar, se diseña un mecanismo de atención de memoria a corto y largo plazo bidireccional (Bi-LSTM) para dar diferentes pesos a diferentes partes de la secuencia actual según las preferencias a largo y corto plazo de los usuarios. Luego, se construye el modelo de recomendación de POI, los datos de estado de secuencia del codificador se introducen en Bi-LSTM-Atención para obtener la representación de atención de la secuencia actual de check-in de POI, y la lista de recomendación Top- se genera después del procesamiento del decodificador. Finalmente, se propone un método de muestreo negativo para obtener un conjunto efectivo de muestras negativas, que se utiliza para mejorar el cálculo de la función de pérdida de clasificación personalizada de Bayes. El método propuesto se demuestra experimentalmente

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Método propuesto; Aprendizaje profundo; Redes sociales basadas en la ubicación; Mecanismo de atención Bi-LSTM; Muestreo negativo; Clasificación personalizada bayesiana
• Keywords:Proposed method; Deep learning; Location-based social networks; Bi-LSTM attention mechanism; Negative sampling; Bayesian personalized ranking