發(fā)布時間：2021-07-24 07:55

　　隨著無線通信和移動設(shè)備（例如移動電話和智能手表）的快速發(fā)展,大量數(shù)據(jù)被收集在諸如Yelp和Foursquare這樣的基于位置的社交網(wǎng)絡(luò)（LBSN）中。這些海量的數(shù)據(jù)為學(xué)習(xí)人類的活動供了許多新的研究方向,例如社會關(guān)系推理,朋友關(guān)系預(yù)測等等,其中向他們推薦可能感興趣但從未訪問過的興趣點(diǎn)（POI）是一個重要的應(yīng)用,并且受到了學(xué)術(shù)界和工業(yè)界越來越多的關(guān)注�，F(xiàn)今在此領(lǐng)域已經(jīng)產(chǎn)生了大量的相關(guān)算法,絕大多數(shù)工作都是通過挖掘興趣點(diǎn)與用戶之間的各種特征和關(guān)系（例如,時序關(guān)系,地理位置關(guān)系,用戶社交關(guān)系等）來改善興趣點(diǎn)（POI）推薦的性能。然而,很少有工作是從“為什么用戶更喜歡某些興趣點(diǎn)而不是其他的興趣點(diǎn)”的角度出發(fā),對興趣點(diǎn)推薦的機(jī)制進(jìn)行研究。因此在本篇論文的研究中,我們首次嘗試使用生成模型,以生成興趣點(diǎn)的方式模擬興趣點(diǎn)的推薦過程,出了對抗性興趣點(diǎn)推薦（APOIR）模型來學(xué)習(xí)用戶偏好的分布。該模型由兩個部分組成:（1）推薦模型:通過最大化將這些興趣點(diǎn)被預(yù)測為從未訪問過但是可能感興趣的地點(diǎn)的概率,來學(xué)習(xí)到用戶對興趣點(diǎn)的偏好的分布,來推薦興趣點(diǎn);（2）鑒別模型:它將推薦的興趣點(diǎn)與真正的用戶check-in區(qū)... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：83 頁

【學(xué)位級別】：碩士

【部分圖文】：

人工智能領(lǐng)域分支圖

11圖 2-3 神經(jīng)元結(jié)構(gòu)示意圖神經(jīng)元接受輸入值 x，x 的每一維分量 與對應(yīng)的權(quán)重 相乘，然后求和，與偏置量 b 相加，再通過一個激活函數(shù)f(x),得到輸出值 y，即：y = f(w x + b) (2-1)

神經(jīng)網(wǎng)絡(luò)簡單示意圖

【參考文獻(xiàn)】：
期刊論文
[1]個性化推薦系統(tǒng)綜述[J]. 王國霞,劉賀平.  計算機(jī)工程與應(yīng)用. 2012(07)

碩士論文
[1]基于社交媒體的短文本數(shù)據(jù)挖掘研究[D]. 杜娜娜.天津理工大學(xué) 2018



本文編號：3300258